- 博客(37)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 驱动开发(2)|鲁班猫rk3568简单GPIO波形操控
本文主要分享了GPIO控制的四种方式，shell两种控制方式，和使用代码控制的两种方式，重点要说的是如果你追求极致性能和对硬件有较高的控制要求，可能更合适。反之，若追求易用性和代码的可维护性，gpio_set_value 更为推荐。
2025-05-29 19:43:26
1187
原创 Paddle Serving|部署一个自己的OCR识别服务器
本文主要简要记录了PaddleServing项目的部署过程，旨在帮助读者快速了解如何搭建和配置PaddleServing服务。PaddleServing是一个基于PaddlePaddle的高效推理服务框架，能够帮助用户便捷地将训练好的模型部署为可供实时预测的服务。本文将详细介绍部署过程的步骤，包括环境配置、服务启动、模型加载以及API调用等方面的内容。
2025-05-02 17:30:09
1531
原创 windows系统搭建自己的ftp服务器，保姆级教程(用户验证+无验证)
本文主要记录了在windows上如何创建ftp服务器，至于为什么没有防火墙配置，是因为我没有遇到这个问题，可能是因为我用的主机来访问虚拟机，如果之后遇到防火墙问题，后续会再补充上去。
2025-05-01 18:20:39
1864
2
原创 驱动开发(1)|鲁班猫rk356x内核编译，及helloworld驱动程序编译
本文主要记录了如何下载内核源码、编译源码的详细步骤，并介绍了如何实现并编译一个简单的 HelloWorld 驱动程序。通过这篇文章，您将能够了解从获取内核源码、配置编译环境，到成功编译并加载内核模块的全过程。特别地，我们将通过一个简单的 HelloWorld 驱动程序实例，展示如何编写、编译和测试一个基本的 Linux 内核模块，从而帮助您更好地掌握内核驱动开发的基本流程。
2025-04-26 11:51:55
795
原创 frp内网穿透|小白版frp简单内网穿透，无需域名
本文简要介绍了如何使用 FRP 实现内网穿透。由于篇幅限制，无法详细展开所有配置和应用场景，但核心步骤和关键点已涵盖，旨在为读者提供一个清晰的入门指导。如果后续有时间的话，会考虑将nginx和域名加上，做个进阶教程。
2025-04-10 11:19:21
683
原创 部署|Llama-Facory微调模型部署
本文介绍了如何将llama-factory微调后的大模型通过ollama部署，方便自己查看不用每个网页看一点，到处找各种命令。
2025-03-19 09:44:10
463
原创 模型部署| PP-OCRv3在Centos7.9上部署，fastdeploy编译
编译这个项目一波三折，编译项目跟着官网上的步骤基本上不会出错，但是gcc/g++的安装却是一波三折，编译完成打算搞成个ocr识别服务器。
2025-03-12 13:51:32
700
原创 环境安装(Centos7.9)| gcc8.2安装 + cmake3.30.8安装(解决version `GLIBCXX_3.4.xx‘ not found)
如下图所示，1为gcc8.2的依赖库，2为gcc8.2下载依赖库的下载源。安装之前要先安装低版本的gcc/g++，不然编译会报错没有c的编译器。很多教程到上一步就完成了，导致编译项目的时候会出现。相较于gcc/g++安装，cmake安装简单很多。等问题，原因是没有软链接新的gcc编译器。然后根据下列步骤操作。
2025-03-12 13:39:12
412
原创 Error| virtual studio 报错：没有匹配 if 的非法 else\“xxx function”: 本地函数定义是非法的
报错时文件的格式是:通过高级保存选项修改成:报错消失。
2025-03-07 15:39:13
179
原创 实例分割 | yolov11训练自己的数据集
因为项目还没完成，主要精力在此项目中，过程写的有点仓促，后面会慢慢优化文章质量，补全没完成的部分。
2025-03-01 17:13:45
1271
原创 LLaMA-Factory|微调大语言模型初探索(4)，64G显存微调13b模型
PyTorch的全切片数据并行技术FSDP能让我们处理更多更大的模型，这是微调13b模型成功的关键。fsdp_config.yaml中的FULL_SHARD将模型参数、梯度和优化器状态都切分到不同的GPU上，类似ZeRO-3。使用微调方法微调32B模型依旧OOM，后续会继续探索DeepSpeed和DDP方式来微调32B模型，验证其可行性。
2025-02-22 15:46:30
1459
原创 我的创作纪念日
于是，我开始有了记录项目的想法，计划将每个项目中遇到的困难、解决的思路以及反思的过程都详细记录下来。此外，随着工作内容的深入，我逐渐意识到，记录不仅仅是为了解决眼前的问题，它更是一个长期积累的过程，有助于自我提升与成长。同时，这种探索和学习的习惯也促使我不断提升自己的技术能力，在面对未来的挑战时，能够更加游刃有余，并推动自己的成长和进步。这不仅帮助我拓宽了技术视野，还为我的工作提供了新的灵感和参考。
2025-02-20 15:55:47
312
原创 LLaMA-Factory|微调大语言模型初探索(3)，qlora微调deepseek记录
使用lora微调方法微调1b模型显存占用率甚至大于使用qlora微调3b模型。训练方法相同的情况下，不同显卡之间的显存使用量通常不完全相同，上述现存使用情况只能作为参考。
2025-02-20 15:10:11
1429
原创 开发板部署|RK3588部署DeepSeek-1.5B
本文介绍了两种在RK3588上部署deepseek-1.5b的方法,虽然两种方法的token是差不多的，但是我还是推荐使用npu的方法去推理大模型，后续会继续测试deepseek中更大参数体量的模型，测试一下rk3588的极限在哪里。
2025-02-18 16:01:36
1405
6
原创 LLaMA-Factory|微调大语言模型初探索(2)，训练自己的聊天机器人
了解数据集的种类及其标注格式对于模型的微调至关重要。不同的数据集有不同的训练目标和标注方式，这些差异决定了模型学习的重点和微调策略的选择。通过深入理解数据集的结构和目标，能够帮助我们更精准地制定微调计划，优化模型的表现，并提升其在实际应用中的效果。
2025-02-16 16:45:44
1311
原创 总结|yolov5从训练到部署(2)，yolov5部署看这一篇文章就够了
模型转换并不难，难的是模型转换环境的安装，具体环境安装还是得参考官网，但也不能全信，参考网上教程再结合网上教程最佳。
2025-02-14 11:19:06
643
原创 LLaMA-Factory|微调大语言模型初探索(1)
整体来说，LLaMA-Factory这个项目的坑不少，需要仔细一点，我现在也刚刚跑通，后续考虑制作自己的数据集，然后微调一个chatbox试试。
2025-02-13 16:16:55
992
原创 总结|yolov5从训练到部署(1)
采用归一化的小数值来表示物体的位置信息，是为了保证模型具有缩放不变性，能够适应不同尺寸的图像，并且有助于提高训练效率和模型的泛化能力。这里class的来源是你的标注程序data目录下的predefined_classes.txt，具体使用时可以改成你自己的标签。如图所示，1是选择图片位置，2是选择标签保存位置，3是标签保存格式，这里我调成yolo(txt)格式，4是开始标注。，具体为什么是中心点坐标而不是左上角坐标，这就跟yolo的检测机制有关系了，感兴趣的可以自己查一下。
2025-02-11 14:46:56
289
原创 Windows| DeepSeek最简单的本地部署方法
Ollama是一个集成了很多大语言模型的软件，专为在本地机器上便捷部署和运行大型语言模型（LLM）而设计。不仅有DeepSeek还有其他很多大语言模型都能在里面使用，如图所示:如果嫌cmd界面太过简陋也可以与Open WebUI或者AnythingLLM结合使用，两者都提供了不错的ui界面和api调用接口。
2025-02-05 11:27:52
2543
原创 模型部署|yolov5在rk3588上部署
1.pt文件转onnx看https://github.com/airockchip/yolov5的README_rkopt.md链接2.onnx转rknn及代码部署看https://github.com/airockchip/rknn_model_zoo/tree/main/examples/yolov5链接。
2025-01-21 15:39:58
1619
2
原创 目标跟踪探索(2)|浅谈一下常用的目标跟踪算法
SORT 是基于卡尔曼滤波和匈牙利算法的目标跟踪方法，利用卡尔曼滤波进行目标状态预测，使用匈牙利算法解决目标的关联问题。计算开销较小：由于不涉及复杂的深度学习模型，算法效率高，实时性强。简单实现：基于经典的滤波和关联技术，易于实现，且对计算资源要求较低。在复杂场景下表现较差：对目标遮挡和外观变化的适应能力有限，可能导致目标丢失。精度较低：与基于深度学习的方法相比，在精度上有所欠缺。非常高，广泛应用于实时目标跟踪，尤其在性能要求较高且硬件资源有限的场景中。实时性较强，适用于快速跟踪任务。
2025-01-18 14:13:01
1338
原创 解决Linux下OpenCV的VideoCapture类无法打开mp4问题
1.对版本没有指定要求的兄弟们可以直接用命令安装opencv(好像没有出现报错的问题):安装ffmpeg安装GTK2cmake安装opencvmake -j4。
2025-01-17 11:11:53
579
原创 目标跟踪探索(1)| 实时多目标跟踪系统PP-Tracking部署
百度出品的产品向来值得尝试，毕竟是大厂出品，技术实力有保障。可惜的是，这款PPTracking目前仅进行了对英伟达加速的适配，未能覆盖微芯瑞和昇腾等其他平台的加速适配，导致其在多样化硬件环境中的兼容性受到一定限制。希望未来能够进一步扩展支持的硬件平台，以提升其整体性能和适用范围。
2025-01-16 14:15:33
804
原创 多卡训练|PyTorch最简单的多卡训练方式
因为是多卡训练，DataParallel操作会对模型进行封装且改变键名，DataParallel在模型的键前添加了module前缀，我们只需要删除DataParallel容器即可。使用DataParallel的话会导致模型正常加载时会出现。
2025-01-15 14:47:54
604
原创 图像修复(3)| 基于mask操作和图像修复的一键去水印
目标分割（Object Segmentation）是计算机视觉中的一项重要任务，旨在识别图像中的目标并对其进行像素级的分割。它主要包括两种类型：语义分割（Semantic Segmentation）和实例分割（Instance Segmentation）。在语义分割中，目标被划分为不同的类别，而实例分割不仅要识别目标的类别，还要分辨同一类别中不同实例的像素。我最初打算结合检测模型和修复神经网络来去除水印，然而发现这种方法的效果并不理想。对于有兴趣的研究者，完全可以尝试进一步探索这个方向。
2025-01-15 13:45:31
1357
原创 深度学习|浅谈一下监督学习中的两大核心任务：分类和回归
分类任务和回归任务是机器学习中两种常见的任务类型，尽管它们的目标不同，但在某些任务中，它们可以结合使用，尤其是在目标检测、姿态估计等任务中。结合实例：YOLO系列（如YOLOv5）：在YOLO模型中，分类和回归是并行的。它通过CNN提取图像特征，最后通过两组输出分别进行分类（预测目标的类别）和回归（预测目标的边界框坐标）。
2025-01-14 15:04:12
976
原创 目标跟踪| 可插拔的最先进的多对象跟踪器(目标检测+目标跟踪+ReID)
老规矩，先上效果图:检测模型为yolov8s、跟踪算法为deepocsort、ReID模型为OSNet。
2025-01-13 13:58:43
323
原创 轮廓标注|基于Qt和Opencv的轮廓标注
前言之前接触的标注软件五花八门，有labelimg、labelme、PPOCRLabel等，没有一款是能将所有功能集成起来的，所以就有了自己写一个标注软件的想法，今天就分享一下轮廓标注的代码，用于实例分割、语义分割等像素级别的处理老规矩，先看效果：通过对刘亦菲的轮廓标注可以提取她的mask图，方便对图片进行抠图等一系列操作，保存其坐标可以为后续标注数据集做准备。代码:#pragma once#include <QWidget>#include "ui_test.h"#inc
2025-01-10 11:38:01
351
原创 图像修复(2)| 基于mask操作和图像修复的去水印、图像补全、去除瑕疵与污点
随着对修复神经网络认识的逐渐加深，我意识到图像修复神经网络不止有去除水印一种功能，还有许多其他功能，去除瑕疵，移除场景物品、人物等，后续可能会出一些其他用法的文章。
2025-01-09 14:59:35
385
原创 图像修复(1)| 基于mask和图像修复神经网络的去水印操作
模板扣除水印+修复神经网络的方法优点是准确定位水印的位置，保证了水印去除的准确性，缺点也很明显，无法一个项目处理完两个任务，需要结合水印提取模型一起实现水印去除任务，后续考虑研究前言的其他两种方式来实现水印去除任务。
2025-01-04 11:24:27
699
原创 图像分割 | 基于U2net的抠图项目，手把手教学
兴趣是学习的动力，它激发我们去探索未知的领域，激励我们追求更深层次的知识。当我们对某个主题或技能产生浓厚的兴趣时，学习便不再是一种负担，而是一种享受。鲁迅曾经说过:当你对一个项目产生兴趣之后，就会像对刚追到手的妹子一样，爱不释手！！！所以本文旨在让你对项目激发兴趣，纯动手项目，少理论，多实践，废话少，干货多。本篇文章简单介绍了一下U2net模型的用法，基于预训练模型来做图片处理，要想训练高精准度模型还需要自己找数据集，训练自己的数据集。QQ交流群:224506901。
2024-09-30 15:43:54
1458
原创 Undefined reference to cv::imread(std::string const&, int)
如图所示，能找到opencv环境，但是opencv的API报错。
2024-02-23 13:31:42
707
原创 Jetson TX2下编译AArch64版本的libtorch
error adding symbols: file in wrong format（添加符号时出错：文件格式错误）
2024-02-21 17:05:22
1557
linux自学笔记，有需要的自己下，关注即可
2020-12-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人