小白太白的博客

ATB协议主要用于在SOC的Debug系统中，将数据流导出给CoreSight使用。

原链接：https://normaluhr.github.io/2020/12/31/Effective-C++/为什么写这篇BLOG我动手写这篇博文——或者说总结——的想法已经很久了，《Effective C++》这本书的作者和译者都是C++大师，这篇著作有也已享誉全球很多年。但是书无完书、人无完人，这本书也因为这样或那样的原因（我更愿称之为引起我不适的问题）让我有必要为此写一篇总结，使得这篇总结更像《Effective C++》对应的工具书版本，帮助我在未来想要回顾某一条款的内容时，最大限度地节.

前言之前在浅谈深度学习:如何计算模型以及中间变量的显存占用大小和如何在Pytorch中精细化利用显存中我们已经谈论过了平时使用中显存的占用来自于哪里，以及如何在Pytorch中更好地使用显存。在这篇文章中，我们借用Pytorch-Memory-Utils这个工具来检测我们在训练过程中关于显存的变化情况，分析出我们如何正确释放多余的显存。在深度探究前先了解下我们的输出信息，通过Pytorch-Memory-Utils工具，我们在使用显存的代码中间插入检测函数(如何使用见工具github页面和下文部分)，就

1、安装labelme在虚拟环境中输入下述命令：# 安装pyqt：conda install pyqt# 安装labelme：pip install labelme -i https://pypi.tuna.tsinghua.edu.cn/simple2、标注使用labelme进行标注3、获取掩码图像在当前虚拟环境中运行如下代码"""最后得到的文件如上图 b_json 目录所示"""import globimport osdata_folder = r"datasets"

当我们对图像进行旋转后，常常会导致边缘存在黑边，尤其当将该旋转后的图像“贴图”到其他图像上时，黑边的存在感极强，但是这并不是我们所需要的。同时该代码有对旋转前后坐标点的转换解决方案：贴图采用PIL第三方库完成若有坐标等信息，采用旋转矩阵进行转换（下方有转换代码）def rotate(img, rotate_angle): """ img: Image读取图像 rotate_angle: 旋转角度 return: 旋转后的图像（无黑边），旋转矩阵 """

Gitalk评论插件使用简介参考： Gitalk评论插件使用教程Gitalk 是一个基于 GitHub Issue 和 Preact 开发的评论插件。Gitalk 的特性：1、使用 GitHub 登录2、支持多语言 [en, zh-CN, zh-TW, es-ES, fr, ru]3、支持个人或组织4、无干扰模式（设置 distractionFreeMode 为 true 开启）5、快捷键提交评论使用Gitalk需要你做一些提前准备：1、在github上创建一个仓库，Gitalk会

经过多次常识，找到了一种简单高效的方式。参考：2200年了还在用Dev吗？ 快来使用vscode配置高效-美观-简洁的c/c++编程环境步骤：下载VSCode软件，较为简单不再赘述。中文插件等非必须插件可自行百度安装插件：Bracket Pair Colorizer 2、C/C++、Code Runner（直接搜索安装即可）由于上述软件为编辑器，而非编译器，因此需要安装编译环境。下载地址：MinGW-w64 - for 32 and 64 bit Windows 并搜索x86_64.

问题描述试题编号： 201412-4试题名称： 最优灌溉时间限制： 1.0s内存限制： 256.0MB问题描述： 　　雷雷承包了很多片麦田，为了灌溉这些麦田，雷雷在第一个麦田挖了一口很深的水井，所有的麦田都从这口井来引水灌溉。　　为了灌溉，雷雷需要建立一些水渠，以连接水井和麦田，雷雷也可以利用部分麦田作为“中转站”，利用水渠连接不同的麦田，这样只要一片麦田能被灌溉，则与其连接的麦田也能被灌溉。　　现在雷雷知道哪些麦田之间可以建设水渠和建设每个水渠所需要的费用（注意不是所有麦田之间都可以建立水

问题描述试题编号： 201509-4试题名称： 高速公路时间限制： 1.0s内存限制： 256.0MB问题描述：　　某国有n个城市，为了使得城市间的交通更便利，该国国王打算在城市之间修一些高速公路，由于经费限制，国王打算第一阶段先在部分城市之间修一些单向的高速公路。　　现在，大臣们帮国王拟了一个修高速公路的计划。看了计划后，国王发现，有些城市之间可以通过高速公路直接（不经过其他城市）或间接（经过一个或多个其他城市）到达，而有的却不能。如果城市A可以通过高速公路到达城市B，而且城市B也可以通过高

参考链接：https://www.cnblogs.com/zhenmei/p/12978921.html本人使用 Tensorflow + kreas 训练得到的 NLP 迁移学习模型，然后采用 Flask web 框架搭建预测模型的独立服务。单独使用该模型时一切正常，后面引入框架后报如题（AttributeError: '_thread._local' object has no attribute 'value'）所示错误，网上查阅各种解决办法都没有解决，最后找到了如上链接才解决。简而言之，就是.

参考链接：链接1链接2本人使用 Tensorflow + kreas 训练得到的 NLP 迁移学习模型，然后采用 Flask web 框架搭建预测模型的独立服务。单独使用该模型时一切正常，后面引入框架后报如题(AttributeError: '_thread._local' object has no attribute 'value')所示错误，网上查阅各种解决办法都没有解决，最后找到了如...

查看是否需要升级在命令行输入：nvidia-smi可查看驱动版本和驱动产品名称（若无可能没有配置环境变量，根据自己情况配置，默认：C:\Program Files\NVIDIA Corporation\Nsight Compute 2019.1\）安装最新驱动进入网站：https://www.nvidia.cn/Download/index.aspx?lang=cn搜索对应产品的驱动（上图第二个红框），其他默认即可安装。安装完成后再次查看，则版本已经升级之后可安装需要的CUDA版本.

tile 的含义：n. 瓦 / 瓷砖 / 软木片 / 亚麻油地毡片v. 用瓦盖 / 贴砖于 / 铺以瓦 / 铺以瓷砖函数定义：def tile(input, multiples, name=None):函数功能：Constructs a tensor by tiling a given tensor.即：通过“平铺”一个给定的 tensor 来构造一个新的 tensor。用人话讲就是：把输入的 tensor，在指定的维度上复制N遍（就像铺瓷砖一样），来创建出一个新的 tensor。

1、下载并引入项目方法其一是进入其github下载Source code (zip)。进入下载的压缩包incubator-echarts-4.5.0-rc.2.zip\incubator-echarts-4.5.0-rc.2\dist目录里把echarts.min.js引入项目中。2、进入ECharts官网选择需要的图表，引入js中并设置相关格式。然后编写后端代码获取数据并传入前端3、对于...

爬虫"模板"推荐谷歌浏览器：F12 -> 网络 ->【XHR】重新加载查看 json文件信息等 -> 获取 URL + 响应头 + 参数import requestsimport jsonfrom tqdm import trangeurl = 'http://...' # 点击要爬取的json文件，将会显示实际的url，全部复制即可headers = { # 请求头部信息，直接全部复制即可（注意不同类型的网页会不一样） "Accept": "......"

当前环境下输入命令：pip freeze > requirements.txt，则会在当前目录下生成包含需要环境的requirements.txt文件在需要安装环境的命令行输入：pip install -r requirements.txt，即可自动安装所有指定的环境...

使用官方1.x的目标检测API，安装过程见：https://www.jianshu.com/p/3257a32d4c5a一、制作数据集制作自己的数据集可以参考该方式： https://www.bilibili.com/video/BV1kV411k7D8即准备好图片集，然后利用LabelImg等公开标注软件进行标注并生成指定格式的标注文件。本文使用COCO数据集制作为tf_record格式数据集:COCO数据集下载可参考：https://yunyaniu.blog.csdn.net/ar.

本文使用Tensorflow 目标检测API中的文件进行转换。以 目标检测数据集 的转换为例，其他可参照源码同理进入models/research/object_detection/dataset_tools/目录，里面存放各种数据存放方式的转换文件，本文以create_pascal_tf_record.py为例。运行方式：参数分别表示数据集位置、年份（其中前两个组合为一个路径且不可省略，默认检索路径如下图所示，具体见源码），最后一个参数表示生成文件的位置及名称。目录文件如下图所示（符合该结构即.

第一步：下载源码1、从官网(https://github.com/tensorflow/models/tree/master)下载目标检测的源码，注意版本需要一致！！！(本人使用的 r1.13.0版本进行下载的)选择自己的版本2、解压到想要安装的文件夹内，并将文件夹命名为models(不是必须)第二步：编译文件3、安装protoc(https://github.com...

前提是安装了：pyinstaller下述E:\Anaconda3\envs\tf-gpu\Lib\site-packages是运行环境所依赖的包(环境)运行：pyinstaller -F -w -i pic.ico -p E:\Anaconda3\envs\tf-gpu\Lib\site-packages test.py-i 后面接 .ico 类型的图标(可选)-p 指定环境最后是...