IO-Link通信笔记(一)——磨磨唧唧的介绍

IO-Link通信笔记(一)——磨磨唧唧的介绍


自从接触到IO-Link(以下简称IOL)通信,已经研究了这个东西半年多,翻阅了官方给的好些文档,查找了许多手册,也记录了许多笔记。在经历挠头烧脑之后,目前本人对IOL算是小有研究,对其内部运行逻辑也有了一定的认识。就想整理整理脑袋里的知识,写一写文章记录一下,也没有特别多的规矩,就是个随笔。

IO-Link,是由德国西门子牵头提出的一个应用在工业4.0环境中的新型点对点的串行通信方法,被称为是“通向传感器和执行器的最后一步,被誉为自动化的最后一米”。在国外已经流行了好些年了,包括西门子、西克、巴鲁夫、欧姆龙这些在工业领域耳熟能详的巨头们,都已经组成了IOL联盟,大肆发展基于IOL通信的智能传感器设备。其实说实话,在研究了IOL之后发现,这东西的性能也就一般般,说到底,emmmm不知道能不能说,超小声耳语(卡你脖子这话懂吧?)。

以往的智能传感器通信技术已经相当成熟了,再加上中国人的聪明才智,那他们怎么卡我们的脖子?原来的手段不太好用了,那好,那就提出一种新东西,新生产的高端传感器性能强大,但是全都是只有IOL版本的,你想用吗?来啊,买我们的IOL整机系统啊,买了之后你就能用了。PLC、hub、传感器设备,这一套下来那小钱钱,不全都被老外赚走了,而且还卖的更贵。所以IOL传到国内也有了好几年了,在国内工业行业内不是特别火爆,也就是近两年才开始有快速增长的趋势(国际局势懂得都懂哈,国际生意不能不做呀,国产化就得提上日程),所以现在去度娘输入关键字,已经可以搜索到很多文章来介绍IOL。因此那些IOL的介绍啊、什么优点啊、到底有多好啊,都能搜到,我再说根本没有必要,更何况我既然开了这样一个专栏,那就不能直说一些不痛不痒的,肯定是要来点干货。IOL,我到底要怎么开发!打今儿起,就由我来揭开它的面纱!

如果感兴趣,请来到我的微信公众号,查看更多精彩!link.
在这里插入图片描述

  • 3
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
您好!关于YOLOv5和TensorBoard的问题,YOLOv5是一种目标检测算法,而TensorBoard是一个用于可视化机器学习实验和模型训练过程的工具。在YOLOv5中,您可以使用TensorBoard来观察模型的训练过程、验证指标和网络结构等。 要在YOLOv5中使用TensorBoard,您可以按照以下步骤进行操作: 1. 确保您已经安装了TensorFlow和TensorBoard。运行以下命令来安装它们: ``` pip install tensorflow tensorboard ``` 2. 在YOLOv5的训练代码中,导入`tensorboard`库: ```python from tensorboard import program ``` 3. 在训练过程中,初始化TensorBoard的日志输出路径,并将其与YOLOv5的`train.py`脚本关联起来: ```python tb = program.TensorBoard() tb.configure(argv=[None, '--logdir', 'runs']) url = tb.launch() ``` 这样,TensorBoard将会将日志输出到YOLOv5的`runs`文件夹中。 4. 在训练过程中,使用TensorBoard的`SummaryWriter`来记录各种指标和图表数据: ```python from torch.utils.tensorboard import SummaryWriter # ... writer = SummaryWriter('runs/exp1') writer.add_scalar('Loss/train', train_loss, epoch) writer.add_scalar('Loss/val', val_loss, epoch) writer.add_scalar('Accuracy/train', train_accuracy, epoch) # ... ``` 这样,TensorBoard将会记录训练损失、验证损失、训练准确率等数据。 5. 训练结束后,您可以使用以下命令启动TensorBoard服务器并查看可视化结果: ``` tensorboard --logdir=runs ``` 然后,您可以在浏览器中访问生成的URL来查看TensorBoard面板。 这些是在YOLOv5中使用TensorBoard的基本步骤。您可以根据自己的需求调整代码和记录的指标。希望对您有所帮助!如果有任何其他问题,请随时提问。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值