- 博客(220)
- 收藏
- 关注
RSS订阅原创 C++ spdlog 日志库使用简介
是目前 C++ 生态中性能最高（每秒可处理数百万条消息）、使用最广泛的现代日志库之一，支持 Linux、Windows、macOS、Android 等平台，支持异步它采用设计（也可编译为静态库），支持 C++11，线程安全，并提供极丰富的输出目标（Sink）与格式化能力使用：直接，无需链接库，可以使用PCH 预编译大幅降低整个项目的编译时间ubuntu 上也可以使用安装使用核心概念及架构图如下：默认日志等级是infoLogger (日志记录器)
2026-04-23 09:55:53
1225
原创 C++ nlohmann/json 库使用简介
以其直观的语法、自动类型转换、与 STL 深度集成成为 C++ 中最受欢迎的 JSON 库适合快速开发、配置文件处理、API 通信等场景它是一个C++11头文件库（），提供直观的 JSON 处理能力，让 C++ 拥有像脚本语言（Python/JS）一样“自然操作 JSON”的能力， API头文件发布：基本要求作用：为自定义类型（类/结构体）提供非侵入式的 JSON 序列化/反序列化支持，无需修改原始类型定义。问题背景库默认支持基本类型（int、string、vector 等），但。
2026-03-23 18:24:45
902
原创 C++ magic_enum 库使用简介
magic_enum= “给 C++ enum提供静态反射能力”，非常适合日志打印 （配置解析（）等场景，完全在编译期工作，零运行时开销基本要求。
2026-03-23 14:04:25
394
原创 Base64 编解码简介
Base64 是一种 “二进制转换到文本” 的编码方案，在 C++ 开发中经常用于把任意二进制数据转换成可打印的 ASCII 字符串，以便用于网络通信、JSON数据传输、HTTP认证、文件传输、JWT、图片嵌入等场景base64 编码：把二进制数据转为字符base64 解码：把字符转为二进制数据Base64 编码由来有些网络传输渠道并不支持所有字节，例如传统的邮件只支持可见字符的传输，像 ASCII 码的控制字符（ASCII码包含了 128 个字符。
2026-03-10 20:05:43
1119
原创 C++ 标准库：文件系统使用简介（filesystem, C++17）
C++ 自 C++17 开始提供了标准的文件系统库，其中包含了丰富的路径操作和文件系统管理函数，可以跨平台（Windows、Linux、macOS 等）处理路径。
2026-03-09 11:24:13
892
原创 Linux 下 SSH 连接频繁掉线解决办法
在 Linux 下使用 SSH 连接远程服务器时，经常遇到掉线问题（例如。编辑服务器端的配置文件。以下解决方案验证可行。
2026-03-05 19:07:36
241
原创 Ubuntu 下删除 sftp 连接服务器的账户密码
在Ubuntu中，通过文件管理器（Nautilus）连接的SFTP站点，其账号密码通常由系统的“密码和密钥”功能（也就是 Seahorse）管理。
2026-02-28 10:30:27
179
原创 C++ 命令行工具(cmdline/CLI11/gflags)
/ 基本类型DEFINE_string(config_path, "default.conf", "配置文件路径");DEFINE_int32(port, 8080, "服务监听端口");DEFINE_bool(daemon, false, "是否后台运行");DEFINE_double(timeout, 5.0, "超时时间(秒)");// 验证器（确保值合法）// 自动注册验证器首选 CLI11：对于大多数项目，CLI11 提供了最佳平衡功能全面但不过度复杂零依赖，易于集成。
2025-12-12 17:36:13
608
原创 C++ 中的 for 循环方式
这些容器没有提供直接的迭代器访问，因此不适合使用。进行元素的插入和访问，但不适用于遍历）：支持下标访问、范围基于的。，但可以使用范围基于的。循环和迭代器进行遍历。循环和迭代器遍历，但。
2025-11-06 19:53:01
606
原创 LLaMA Factory 简介
环境安装llamafactory-cli version # LLaMA-Factory 校验：如果您有更多需求，请安装对应依赖华为910B有32G和64G版本；英伟达 A800/H80080GB显存包含了所有经过预处理的本地数据集以及在线数据集。如果您希望使用自定义数据集，请务必在文件中添加对数据集及其内容的定义。目前我们支持Alpaca格式和ShareGPT格式的数据集。
2025-10-15 17:15:43
1261
原创 Transformer
是一个基于自注意力的序列到序列(变长)模型，与基于循环神经网络的序列到序列模型不同，其可以能够并行计算它包含编码器、解码器、编码器和解码器间的 Cross-Attention。
2025-05-03 21:12:55
1086
原创 目标跟踪：Eigen 库简介
Eigen 是一个高效、灵活的 C++ 模板库，专注于线性代数运算，包括矩阵和向量的基本操作、数值解法、特征值计算、矩阵分解Eigen 是纯粹的模板库（不需要额外的编译）， 只包含头文件，不依赖任何外部库，可移植性强，支持多种编译器和平台Eigen 具有非常高的性能，尤其在处理数值计算密集型的任务时能够充分利用 CPU 的 SIMD（单指令多数据）指令集（如等）来加速运算支持动态矩阵和静态矩阵，矩阵大小可在编译时确定，减小开销，语法直观， 接近数学表达。支持各种矩阵运算和数值分析算法支持。
2024-11-07 16:00:10
719
原创 使用谷歌/Edge浏览器将网页保存为静态网页
文件是一种多用途的网页文档格式，它可以将一个网页及其相关的资源（如图片、样式表和脚本）打包到一个单一的文件中，这种格式特别适用于离线浏览或发送网页快照。
2024-10-28 16:33:29
989
原创 目标跟踪：毫米波雷达简介
利用毫米波信号来探测和测量目标的雷达系统，工作在微波频段（毫米波是微波的一个子频段）探测的雷达，工作频段一般为，波长1~10mm，其他波段的电磁波包括：无线电、红外光、可见光、紫外线等它可以全天候工作，不受光线、恶劣天气等的影响毫米波雷达分类：按照信息维度分：3D：信号天线只在二维方向上排布，输出 X / Y/ V4D：水平与垂直方向上，都布置了天线，输出量：输出 X、Y、Z、V（加了高度信息短程毫米波雷达（SRR）、中程毫米波雷达（MRR）、远程毫米波雷达（LRR）
2024-09-22 22:15:28
1156
原创 C++ 中的初始化
初始化的概念：创建变量时赋予它一个值（不同于赋值的概念）类的构造函数控制其对象的初始化过程，无论何时只要类的对象被创建就会执行构造函数如果对象未被用户指定初始值，那么这些变量会被执行默认初始化，默认值取决于变量类型和定义变量的位置无论何时只要类的对象被创建就会执行构造函数，通过显式调用构造函数进行初始化被称为显式初始化，否则叫做隐式初始化使用等号（=）初始化一个类变量执行的是拷贝初始化，编译器会把等号右侧的初始值拷贝到新创建的对象中去，不使用等号则执行的是直接初始化。
2024-09-13 11:08:09
596
原创 3、目标跟踪：数据关联
二分图的定义：二分图是能分成两组（假设是 U 和 V），其中 U 上的点不能相互连通，只能连去 V 中的点；V 中的点也不能相互连通，只能连去 U 中的点二分图在跟踪中的理解：可以把二分图理解为视频中连续两帧中的所有检测框，第一帧所有检测框的集合称为 U，第二帧所有检测框的集合称为 V，同一帧的不同检测框不会为同一个目标，所以不需要互相关联，相邻两帧的检测框需要相互联通，最终将相邻两帧的检测框尽量完美地两两匹配起来。
2023-12-07 16:21:40
1992
原创 12、pytorch 框架：评价指标
https://github.com/Lightning-AI/torchmetrics二、分类评价指标使用简介三、回归评价指标使用简介四、检测评价指标使用简介五、分割评价指标使用简介六、参考资料https://github.com/Lightning-AI/lightninghttps://github.com/Lightning-AI/torchmetrics
2023-11-15 16:55:11
3183
原创 13、Pytorch 模型训练加速
例如下面的代码， 其中张量最初在 CPU 内存中创建 ， 然后被移动到 GPU 显存。不同， 它能避免不必要的数据拷贝， 将数据转换为张量， 并在可能的情况下共享底层数据和保留。函数在 GPU 和 CPU 之间传输数据。通过直接在 GPU 上创建张量， 可以。：可跨多个 GPU 或机器实现分布式训练， 从而显著地提高计算能力并缩短训练时间。该方法在处理深度学习任务中涉及大量GPU操作时特别有效。” 装饰现有函数， 之后可以在现有代码中继续使用原始函数名。如果不想进行显式替换， 也可以使用“
2023-10-23 18:08:53
803
原创 4、Python 常见的内置函数
文章目录一、内置函数一览表二、输入输出2.1、input()2.2、print()三、输入输出四、输入输出五、输入输出六、输入输出七、输入输出八、输入输出九、输入输出十、输入输出十一、输入输出十二、输入输出十三、输入输出十四、输入输出十五、输入输出十六、输入输出十七、输入输出十八、输入输出待总结：异常处理：raise https://www.runoob.com/python3/python3-errors-execptions.html内置魔法方法和属性：Python内置属性和魔法方法
2023-05-01 22:14:06
287
原创 21、Python 进度条工具：tqdm
该模块的作用就是通过装饰任何可迭代的对象，使代码中的循环(loop)在运行过程中为用户展示进度条可以通过或来安装使用，官网效果图如下所示：tqdm 类简介。
2023-03-27 14:12:21
278
原创 22、Python 网络结构和超参数配置工具：yaml&yacs
深度学习调参过程中会遇到很多参数，为了完整保存一个项目的所有配置，推荐使用yaml工具进行配置（yaml标量（例如字符串，整数和浮点数），列表和关联数组（字典）yaml的基本语法特点为：大小写敏感缩进表示层级关系，不允许使用 tab，只允许使用空格，缩进的空格数不重要，只要相同层级的元素左对齐即可列表通过"-"表示，字典通过":"表示在同一个yaml文件中，可以用"---"来分段，这样可以将多个文档写在一个文件中注释使用"#"yacs。
2023-03-22 13:29:20
660
原创 19、Python 命令行解析工具：argparse
argparse是python自带的命令行参数解析模块，这个库可以让我们直接在命令行中就可以向程序中传入参数并让程序运行当你的代码需要频繁地修改参数的时候，使用这个工具可以将参数和代码分离开来，让你的代码更简洁，适用范围更广。
2023-03-20 14:28:32
1194
原创 1、目标跟踪：简介
多目标追踪顾名思义就是跟踪视频画面中的多个目标，得到这些目标的运动轨迹(每一个目标分配一个 track id，这个 id在视频序列中具有唯一性)；核心在于目标检测和数据关联，即在每一帧进行目标检测，再利用目标检测的结果来进行目标跟踪，后面一步一般称之为数据关联，数据关联更多依赖于手工特征提取(外观特征、运动特征、形状特征)基本原理：核心：轨迹处理和状态估计、关联问题(匈牙利匹配)、级联匹配、特征描述器。...
2022-08-05 22:13:47
803
原创 13、目标检测：YOLOv5
Activation：Mish/SiLU 激活函数。YOLOv5s 网络的深度如下图所示。YOLOv5s 网络的宽度如下图所示。相当于下采样，减少后续计算量。网络的深度和宽度设置。
2022-08-05 22:13:03
1015
原创 7、目标检测：SSD 系列
的卷积核去处理已经融合的特征图（为了消除上采样的混叠效应），以生成最后需要的特征图。参考设置 3：通过 min_size 和 max_size 进行密集采样。，然后再进行一次反卷积操作（最近邻/双线性插值或可学习的方式）TDM 网络结构（类似 FPN）示例：只在最后一层做预测。参考设置 1：两个 min_size 进行密集采样；参考设置 2：两个 min_size 进行密集采样；构成自上而下和自下而上的特征金字塔。预测层的具体细节如下图所示。测试网络框架如下图所示。...
2022-08-05 22:11:44
343
原创 2、目标跟踪：卡尔曼滤波状态估计与更新
卡尔曼滤波本质上是一个数据融合算法，将具有同样测量目的、来自不同传感器或模型、(可能)具有不同单位(unit)的数据融合在一起（一般使用精度较高的测量值对模型预测的结果进行修正）得到一个更精确的估计值：首先，根据模型上一时刻的值来估计当前时刻的状态，得到模型在当前时刻的先验估计值（prediction）然后，使用当前时刻传感器的测量值（）来更正（update）这个估计值，得到当前时刻的最优估计值最后，根据当前时刻的最优估计值和观测矩阵H，得到观测空间的最优估计值。...
2022-08-05 22:09:11
1379
1
原创 ubuntu16.04 docker 和 nvidia-docker 的安装及 GPU 的调用
ubuntu16.04 docker 和 nvidia-docker 的安装及 GPU 的调用
2022-08-05 21:26:48
934
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人