hlm15的专栏

如果要测试WIFI 80M的带宽的话，WIFI选项变蓝后，点击Advanced选项， 把 Wi-Fi 802.11 Type里面选项更改为11a-11b-11g-11n-11ac,修改后点击保存Save，保存后会退出应用，没有关系，重新启动应用即可。即: cp /vendor/etc/wifi/4359/nvram_ap6398sa.txt /data/rftesttool/即: cp /vendor/etc/firmware/nvram_ap6356.txt /data/rftesttool/

/ 设置接口名（如usb0）+ iface = SystemProperties.get("net.eth.iface", "eth0");// 动态获取接口名。但验证RK平台与amlogic平台都不支持Android设备之前的。连接USB线后，接收端设备应显示“以太网”图标。+ // 注册广播接收器。// 发送切换至usb0的广播。+ // 广播处理类。

前言：通过零基础入门darknet-YOLO3及YOLOv3-Tiny文档操作，我们已经有了自己训练的YOLO3或YOLOv3-Tiny模型，接下来一步步演示如何转换自己的模型，并适配进我们khadas VIM3 开发板android平台的khadas_android_npu_app。关于VIM3 ubuntu平台请参考此文档1。一，转换模型模型转换流程图：image1942×605 164 KB1，导入模型当前模型转换过程都是在 acuity-toolkit 目录下进行:...

前言：有兴趣的可以先查看官网主页。接下来从零开始实现自己的一个简单demo：自动识别库里和杜兰特，从而入门darknet-YOLO3世界。总体来说，分为如下步骤： 数据集构建，训练模型，测试模型，评估模型。一. 数据集构建1. 收集图片与编号这里的图片是从网上下载库里和杜兰特的图片。为了规划数据，减少出错的可能性，先给自己的图片编一个合理的序号，比如0001~0999。由于时间原因，只下载了68张图片，当然，这些数据对于训练一个很好的模型是远远不够的。2. 标注数据windows下lab

前言：训练一个网络，需要评价这个网络，并根据评价的结果想一下为什么是这样，怎样去优化这个网络，这样才是一个闭环。如何评价训练好的网络首先网络有一个参数是loss值，这反应了你训练好的网络得到的结果和真实值之间的差距。查看loss曲线随着迭代次数的增多，如何变化，有助于查看训练是否过拟合，是否学习率太小。一. 生成loss变化曲线1, 训练时保存log文件nohup ./darknet detector train khadas_ai/khadas_ai.data khadas_ai/y

前言：用于深度网络训练的数据集做标注的方法和工具有好多，像Labelme、labelImg、yolo_mark、Vatic、Sloth等等，此处只介绍其中的一种标注工具：labelImg。一、labelImg工具下载windows下使用已经编译好的labelImg.exe。注意：若 labelImg 打开闪退，进入C盘->用户->自己电脑用户名下，把.labelImgSettings.pkl文件删除，然后再打开程序。二、labelImg工具使用方法1，双击labelImg执行.