工作环境从win7迁移到deepin

前言:
几年前就尝试过单独使用linux系统工作,目标是只用GUI,不用命令行,像windows一样操作linux。当时安装了4种linux发行版:红旗、Ubuntu、startOS、deepin。效果不太理想,至少离脱离命令行还是有点差距。

最近有华为笔记本默认安装deepin,我又有了再试尝试的想法,具体操作如下:

1.安装deepin
官网下载了deepin 15.11的镜像ISO,使用deepin-boot-maker.exe制作了安装U盘,在一台式电脑上完整安装,包括分区在内一路选择默认。安装还是很顺利的,进入桌面后选择类似win10的开始菜单样式。
吐槽一点的是,默认给我分了3个区:系统盘,主目录和数据盘。但在文件管理器里的内置磁盘只能看到系统盘和数据盘的占用情况,看不到主目录的,让我有点不适应。

2.安装svn工具
从应用商店搜索svn,找到了RapidSVN,装好发现这软件大概10年没更新了,还觉得有点不太好用。百度搜到有人介绍PySVN workbench,但应用商店里没有,所以先在应用商店下载新立得软件包管理器,之后在新立得里安装PySVN workbench。装好后获取了公司项目的源代码很顺利

3.开发工具
从应用商店下载Eclipse,装好后可以直接用,自带了openjdk和maven,可以直接启动,导入svn获取的项目,maven update也很顺利。这步比win7里方便太多,win7里要自己装jdk,自己装maven。maven完成后发现项目还缺javaFx的包,查了资料发现openjdk没有自带,再次使用新立得安装了openjfx。安装完重新打开Eclipse,项目启动成功!

4.浏览器
deepin自带chrome浏览器非常好用。访问项目地址开始编程调试_

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值