<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[陶陶name]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/public669</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; public669]]></copyright><item><title><![CDATA[Metal Compute Pipeline：Metal-C++ 环境配置与简单算子实现]]></title><link>https://blog.csdn.net/public669/article/details/155645885</link><guid>https://blog.csdn.net/public669/article/details/155645885</guid><author>public669</author><pubDate>Sat, 06 Dec 2025 18:54:01 +0800</pubDate><description><![CDATA[本文介绍了如何在Metal-C++环境下配置并实现一个简单的GPU计算算子。主要内容包括：创建Xcode命令行工具项目，引入Metal-C++库并进行编译配置；编写Metal kernel函数实现向量加法；通过C++主机代码创建Metal设备、加载库、设置计算管线、分配缓冲区并调度线程执行。最终成功运行GPU计算任务并输出结果。该流程涵盖了Metal计算管线的完整实现步骤，适用于macOS系统下基于Metal的GPU加速开发。]]></description><category></category></item><item><title><![CDATA[OpenCL - study - code04 canny]]></title><link>https://blog.csdn.net/public669/article/details/149759232</link><guid>https://blog.csdn.net/public669/article/details/149759232</guid><author>public669</author><pubDate>Tue, 29 Jul 2025 23:49:32 +0800</pubDate><description><![CDATA[【代码】OpenCL - study - code04 canny。]]></description><category></category></item><item><title><![CDATA[OpenCL study - code03 rgb2gray]]></title><link>https://blog.csdn.net/public669/article/details/149695175</link><guid>https://blog.csdn.net/public669/article/details/149695175</guid><author>public669</author><pubDate>Sun, 27 Jul 2025 20:19:25 +0800</pubDate><description><![CDATA[本文介绍了使用OpenCL和OpenCV实现RGB图像转灰度图的完整流程。通过OpenCL内核代码(rgb_to_gray.cl)实现了灰度转换算法，采用经典的亮度加权公式(0.299R+0.587G+0.114B)。主程序(rgbMain.h)使用OpenCV读取BGR图像并转换为RGB格式，通过OpenCL_Helper.h初始化的OpenCL环境，创建输入/输出缓冲区并设置内核参数，最后执行并行计算并将结果传回主机显示。该实现充分利用了GPU并行计算能力，相比CPU实现可显著提升处理速度，适用于大规模]]></description><category></category></item><item><title><![CDATA[OpenCL study - code02]]></title><link>https://blog.csdn.net/public669/article/details/149296005</link><guid>https://blog.csdn.net/public669/article/details/149296005</guid><author>public669</author><pubDate>Sat, 12 Jul 2025 16:15:53 +0800</pubDate><description><![CDATA[摘要：本文介绍了利用OpenCL实现GPU并行计算以提升性能的方法。通过一个向量加法示例，展示了如何将计算任务从CPU卸载到GPU。文章提供了完整的OpenCL封装代码，包括初始化、内核加载、数据缓冲管理等功能模块。该方案可显著提高海量数据计算效率，并简化后续算子开发流程，适用于图像处理、信号处理等需要高性能计算的场景。代码示例涵盖了从主机端到设备端的完整实现流程，并包含错误检查机制，为异构计算优化提供了实用参考。]]></description><category></category></item><item><title><![CDATA[OpenCL study - code01]]></title><link>https://blog.csdn.net/public669/article/details/149101775</link><guid>https://blog.csdn.net/public669/article/details/149101775</guid><author>public669</author><pubDate>Thu, 03 Jul 2025 20:26:30 +0800</pubDate><description><![CDATA[最近工作中需要使用opencl，学习了一下，这里简单的记录下。]]></description><category></category></item><item><title><![CDATA[OpenCV 作为第三方库编译并在 C++ 项目中使用]]></title><link>https://blog.csdn.net/public669/article/details/146129068</link><guid>https://blog.csdn.net/public669/article/details/146129068</guid><author>public669</author><pubDate>Sun, 09 Mar 2025 11:37:36 +0800</pubDate><description><![CDATA[记得大概在2019年的时候吧，我写过一篇关于如何在ubtuntu下安装opencv的文章，反响还是挺好的很多人都看过。ubuntu安装opencv的正确方式那个是安装在全局的环境中的，现在呢考虑到项目的迁移性，所以希望可以将opencv当一个三方库在项目中使用，这样的话更加的灵活。那么下面呢就介绍如何操作吧！]]></description><category></category></item><item><title><![CDATA[openGL实战1-hello world]]></title><link>https://blog.csdn.net/public669/article/details/145192090</link><guid>https://blog.csdn.net/public669/article/details/145192090</guid><author>public669</author><pubDate>Thu, 16 Jan 2025 21:23:51 +0800</pubDate><description><![CDATA[上篇文章主要记录了如何在Macbook M系列上进行openGL开发的环境搭建。本篇内容呢，则是关于openGL的第一个项目，hello world的实战。]]></description><category></category></item><item><title><![CDATA[macbook m2上搭建OpenGL项目：GLFW 和 GLEW 配置指南]]></title><link>https://blog.csdn.net/public669/article/details/145157943</link><guid>https://blog.csdn.net/public669/article/details/145157943</guid><author>public669</author><pubDate>Wed, 15 Jan 2025 12:54:40 +0800</pubDate><description><![CDATA[最近在研究OpenGL这个库，进而学习学习关于计算机图形学相关的知识。本文主要介绍的是关于在Mac m系列下的环境搭建问题。其他的例如win或者Linux环境的搭建，请参考对应的文章。]]></description><category></category></item><item><title><![CDATA[【爬虫、数据可视化实战】以“人口”话题为例爬取实时微博数据并进行舆情分析]]></title><link>https://blog.csdn.net/public669/article/details/135727979</link><guid>https://blog.csdn.net/public669/article/details/135727979</guid><author>public669</author><pubDate>Sun, 21 Jan 2024 12:45:32 +0800</pubDate><description><![CDATA[近期在weibo上讨论的比较热的话题无非就是“人口”了。TaoTao也看了一些大家发的内容。但是感觉单纯的看文字内容不能很直观的反应出来大家的关切。索性就使用爬虫对数据进行爬取，同时结合着数据可视化的方式让数据自己开口说话。那么接下来就让我们使用技术进行分析吧！]]></description><category></category></item><item><title><![CDATA[【爬虫实战】-爬取微博之夜盛典评论，爬取了1.7w条数据]]></title><link>https://blog.csdn.net/public669/article/details/135577258</link><guid>https://blog.csdn.net/public669/article/details/135577258</guid><author>public669</author><pubDate>Sat, 13 Jan 2024 22:42:47 +0800</pubDate><description><![CDATA[详细讲解如何使用python代码实现对微博评论自动化抓取，并对数据进行可视化……]]></description><category></category></item><item><title><![CDATA[【python可视化大屏】使用python实现可拖拽数据可视化大屏]]></title><link>https://blog.csdn.net/public669/article/details/135492384</link><guid>https://blog.csdn.net/public669/article/details/135492384</guid><author>public669</author><pubDate>Tue, 09 Jan 2024 23:51:20 +0800</pubDate><description><![CDATA[简简单单使用python实现可拖拽的评论数据可视化大屏……]]></description><category></category></item><item><title><![CDATA[爬虫实战 - 微博评论数据可视化]]></title><link>https://blog.csdn.net/public669/article/details/135445858</link><guid>https://blog.csdn.net/public669/article/details/135445858</guid><author>public669</author><pubDate>Sun, 07 Jan 2024 22:08:52 +0800</pubDate><description><![CDATA[【让评论数据开口说话】- 微博评论数据可视化，词云、粉丝数量、用户简介可视化……]]></description><category></category></item><item><title><![CDATA[爬虫实战-微博评论爬取]]></title><link>https://blog.csdn.net/public669/article/details/135258986</link><guid>https://blog.csdn.net/public669/article/details/135258986</guid><author>public669</author><pubDate>Thu, 28 Dec 2023 01:57:33 +0800</pubDate><description><![CDATA[【爬虫实战】爬取微博评论数据，一键获取指定微博的评论内容，包括评论内容，评论id,评论ip,评论者的账号信息，包括性别，关注人数，粉丝人数等等……]]></description><category></category></item><item><title><![CDATA[深度学习项目实战：垃圾分类系统]]></title><link>https://blog.csdn.net/public669/article/details/135050870</link><guid>https://blog.csdn.net/public669/article/details/135050870</guid><author>public669</author><pubDate>Sun, 17 Dec 2023 21:39:45 +0800</pubDate><description><![CDATA[本系统主要实现对厨余垃圾、其他垃圾、可回收垃圾、有毒有害四类垃圾进行分类。部署简单，容易上手，一键使用……]]></description><category></category></item><item><title><![CDATA[NLP项目实战02：英文文本识别]]></title><link>https://blog.csdn.net/public669/article/details/135033262</link><guid>https://blog.csdn.net/public669/article/details/135033262</guid><author>public669</author><pubDate>Sat, 16 Dec 2023 15:24:56 +0800</pubDate><description><![CDATA[欢迎来到本篇文章！今天我们将讨论一个新的自然语言处理任务——英文短文识……]]></description><category></category></item><item><title><![CDATA[NLP项目实战01--电影评论分类]]></title><link>https://blog.csdn.net/public669/article/details/134890248</link><guid>https://blog.csdn.net/public669/article/details/134890248</guid><author>public669</author><pubDate>Sat, 09 Dec 2023 07:56:52 +0800</pubDate><description><![CDATA[在这里，我们将探讨一个常见而重要的自然语言处理任务——文本分类。具体而言，我们将关注情感分析任务，即通过分析电影评论的情感来判断评论是正面的、负面的。]]></description><category></category></item><item><title><![CDATA[Yolov8训练自己的数据集合（最新实验数据）]]></title><link>https://blog.csdn.net/public669/article/details/132005015</link><guid>https://blog.csdn.net/public669/article/details/132005015</guid><author>public669</author><pubDate>Sun, 30 Jul 2023 11:28:35 +0800</pubDate><description><![CDATA[使用Yolov8训练自定义数据集，详细数据见博文，希望可以帮助到你]]></description><category></category></item><item><title><![CDATA[wsl2中安装docker]]></title><link>https://blog.csdn.net/public669/article/details/131748232</link><guid>https://blog.csdn.net/public669/article/details/131748232</guid><author>public669</author><pubDate>Sun, 16 Jul 2023 11:10:32 +0800</pubDate><description><![CDATA[这个脚本在执行之前需要先执行chmod +x install-docker.sh这个命令。如果希望每次启动的时候，都给docker启动的话，可以执行下面的这个命令。执行docker version,如果如下所示，则表示安装成功了。这个问题的话，需要执行下面的命令，然后选择1。再推出terminal重新进。]]></description><category></category></item><item><title><![CDATA[实时口罩佩戴检测]]></title><link>https://blog.csdn.net/public669/article/details/119830853</link><guid>https://blog.csdn.net/public669/article/details/119830853</guid><author>public669</author><pubDate>Fri, 20 Aug 2021 20:35:06 +0800</pubDate><description><![CDATA[2020年开头真的很人意外，开年爆发了疫情。此次疫情牵动了各行各业，在这里衷心的感谢奋斗在一线的医疗工作者：您们辛苦了。作为一名非医专业的学生，在这样情况下，除了不乱跑以外，我也想以另一种方式去致敬那些保护着全国人民安全的工作人员。接下来就来分享一个实时口罩检测小demo

实现环境

Linux或者windows皆可
anaconda
pytorch&gt;=1.0
opencv&gt;=3.0

工程目录

Load_model文件夹主要放置的是训练的识别模型
models文件夹下放置的是一些相关实现.]]></description><category></category></item><item><title><![CDATA[语音识别小工具]]></title><link>https://blog.csdn.net/public669/article/details/117093523</link><guid>https://blog.csdn.net/public669/article/details/117093523</guid><author>public669</author><pubDate>Thu, 20 May 2021 23:10:10 +0800</pubDate><description><![CDATA[于大二的时候开始接触图像识别，算起来至今也有两年之久了。也做过很多的关于图像方面的项目包括人脸识别、垃圾分类系统、新冠肺炎检测系统等等。最近比较的想接触一下语音识别，再此记录一下第一个语音识别项目

项目由来
该项目其实也并不是完完全全由笔者开发的，而是一个同学在做毕业设计的时候给我的。正好可以供我研究一下。
主要代码
主要的代码如下：
from pyaudio import PyAudio,paInt16
import time,wave

class mic():

    '''录音类'''

  .]]></description><category></category></item></channel></rss>