nanjono的博客

【代码】国内快速下载huggingface模型。

【代码】ImportError: /opt/hpcx/ucc/lib/libucc.so.1: undefined symbol: ucs_mpool_params_reset。

方法一：升级pip(未解决)

部署中多线程常用组件：thread, join, joinable, detach, mutex, promise, future, condition_variable, 生产者消费者模式。

而是由多条汇编指令完成的，因此多个线程对同一个变量进行读写操作就会出现不可预期的操作。比如：假定counter当前值为10，线程1读取到了10，线程2也读取到了10，分别执行自增操作，线程1和线程2分别将自增的结果写回counter，不管写入的顺序如何，counter都会是11，但是线程1和线程2分别执行了一次自增操作，与我们所期望的结果12不符。有时候会发生死锁：假设线程1上锁成功，线程2上锁等待，但是线程1上锁成功后，抛出异常并退出，没有来得及释放锁，导致线程2“永久的等待下去”，此时就发生了死锁。

栈：先进后出。

二分查找时间复杂度o(log n)

可以对表达式取地址（&）的就是左值，否则为右值被声明出来的左值引用和右值引用都是左值，因为被声明出来出来的的左值引用和右值引用都是有地址的。是为了转移对象的所有权，其功能是把左值强制转换为右值单纯的不会有性能提升。移动语义就是为了减少拷贝std::move将左值转为右值引用，这样就可以重载到移动构造函数了，移动构造函数将指针赋值一下就好了，不用深拷贝了，提高性能。万能引用：函数模板，既可以接左值引用，也可以接右值引用，但当一个右值作为参数进行传参时，相应函数接口在接收该值时，会将该值识别成左值。

int val;} };二叉树的构造前序遍历，先构造中间节点，或者通过递归函数的返回值来添加、删除节点从中序与后序遍历序列构造二叉树（106）合并二叉树（617）在二叉搜索树中插入一个节点（701）在二叉搜索树中删除一个节点（450）修剪二叉搜索树（669）构造一棵平衡二叉搜索树（108）求普通二叉树的属性后序遍历，通过递归函数的返回值做计算对称二叉树（101）二叉树的最大深度（104）二叉树的最小深度（111）平衡二叉树（110）求二叉搜索树的属性。

子集、组合：子集（78）、子集 II（90）、组合（77）、组合总和（39）、组合总和 II（40）全排列：全排列（46）、全排列 II（47）、字符串的排列（567）、字母大小写全排列（784）搜索：解数独（37）、单词搜索（79）、N皇后（51）、分割回文串（131）、二进制手表（401）子集、组合与排列是不同性质的概念。子集、组合是无关顺序的，而排列是和元素顺序有关的，如 [1，2] 和 [2，1] 是同一个组合(子集)，但 [1,2] 和 [2,1] 是两种不一样的排列！！！！

使用 joinable() 函数在编程中进行线程状态的检查，以避免对不可被加入的线程进行错误的操作。它返回一个布尔值，指示线程是否可被加入（joinable）。对象在析构时要检查线程的状态，如果线程还在运行且未被。类的成员函数，用于检查线程是否可以被。两个成员函数，用于控制线程的行为。处理，那么就会引发终止。接受可调用对象创建线程。

每个线程可以独立的运行不同的指令序列，但是线程不独立的拥有资源，依赖于创建它的进程而存在。即同一进程中的多个线程共享相同的地址空间，可以访问进程中的大部分数据，指针和引用可以在线程间进行传递。由于缺少操作系统提供的保护机制，在多线程共享数据及通信时，需要保证对共享数据段的操作是以预想的操作顺序进行的，并且要极力的避免。总之，并发是指多个任务之间的逻辑上的同时执行，而并行是指多个任务之间的物理上的同时执行。是依赖于C++语言的，是 C++ 标准库中提供的用于创建和管理线程的类，使用。编写的程序是跨平台的。

使用五参数定义旋转框longside: 旋转矩形框的最长边shortside: 与最长边对应的另一边Θ: x轴顺时针旋转遇到最长边所经过的角度，Θ∈[0, 180)

在使用gcc/g++编译的时候定义宏 # 常用场景： # -DDEBUG 定义DEBUG宏，可能文件中有DEBUG宏部分的相关信息，用个DDEBUG来选择开启或关闭 DEBUG// -Dname 定义宏name,默认定义内容为字符串“1” # include <stdio.h> int main() {} // 1. 在编译的时候，使用gcc -DDEBUG main.cpp // 2. 第七行代码可以被执行语法：project(projectname [CXX] [C] []Java)

【代码】tensorRT笔记十一（YOLOv5模型导出编译和推理）

yolov5的输出为(1)其中85表示为5+80，即cx, cy, width, height, objness（框里是否含有目标）, classification * 80类别置信度（2）25200 = （20 * 20 + 40 * 40 + 80 * 80） * 3， 其中20 * 20， 40 * 40， 80 * 80分别是提取深、中、浅层的网格大小，浅层用来预测小目标，深层用来预测大目标；* 3是因为每个点有三种anchor使用核函数对yolov5推理结果进行解码并恢复成框。

键盘快捷键中加入shutter设置选中区域快捷键。

实现int8熵校准器(Int8EntropyCalibrator类)，继承自属于nvinfer1的IInt8EntropyCalibrator2类，覆盖其中的一些函数，实现自己的需求。writeCalibrationCache：标定结束后，调用该函数，储存标定后的结果，多次标定可以使用该缓存实现加速。getBatch：告诉引擎，这次标定的输入数据是什么，把指针赋值给bindings，返回false说明已没有数据了。getBatchSize：告诉引擎，这次标定的batch大小。配置int8标定数据读取工具。

注：若onnx文件，则onnx文件打开后应该看到动态或-1模型中若存在reshape类操作，reshape参数必须随动态进行计算（大部分时候这有问题）除非全卷积网络，大部分时候只需要为batch_size维度设置为动态，其他维度避免设置动态2.配置profilecreate: set: 设置, , 的一系列输入尺寸范围add:添加profile到网络配置中二、推理阶段明确当前推理时，使用的数据输入大小

以一个简单的CNN网络为例。