越努力，越幸运

原创 Copilot 场景 → 模式选择 → 提示词模板

请帮我初始化一个【项目类型，如 React/Vue/Express】项目，并配置好基本结构和依赖。请帮我实现一个【功能描述】，包括必要的文件创建、代码编写和依赖安装。请帮我将【旧模块】迁移到【新模块】，并更新所有相关文件的引用。请帮我设计【功能】所需的数据库表结构，并说明字段含义和关系。请解释这段代码的功能、输入输出、逻辑流程和可能的边界情况。请帮我重构这段代码，使其更清晰、可维护，并保持功能不变。适合：改代码、加功能、重构、补测试，所有修改需你确认。请对比【方案A】和【方案B】的优缺点，并给出推荐方案。

原创 Copilot 的agent、ask、edit、plan模式有什么区别

Copilot 的 ask、edit、agent、plan 四种模式，核心区别在于。，以下从定义、工作机制、核心特点、典型场景与操作流程展开，帮你快速区分并选对模式。

原创 零样本目标检测及分割模型

（Self-Supervised Vision Foundation Model），是 DINO 系列（DINO → DINOv2 → DINOv3）的集大成者。它无需任何人工标注，仅通过海量无标签图像学习通用、高分辨率、语义丰富的视觉特征，在。（frozen backbone）的情况下，即可在多种下游任务（如分类、分割、深度估计、医学影像等）中达到 SOTA 或接近 SOTA 的性能。DINOv3 是 Meta AI 在。

原创 MediaMTX

MediaMTX（原名）是一款轻量级、高性能、零依赖的开源实时媒体服务器和媒体代理，专为现代流媒体场景设计。它支持多种主流流媒体协议，能够实现视频/音频流的发布、读取、代理、录制、回放以及跨协议转换，适用于直播、视频监控、远程医疗、工业视觉、新闻回传等多种应用场景。

原创 CANN 8.0.0 调研记录

【代码】CANN 8.0.0 调研记录。

原创 NVIDIA DGX Spark

支持高达 200B 参数级别的AI模型（双 DGX Spark 互联可支持高达 405B 参数的模型）先进的连接功能，包括支持高性能 NVIDIA Connect-X™ 网络技术、 WiFi 7 等。基于 NVIDIA GB10 Grace Blackwell 超级芯片构建。NVIDIA Grace CPU 采用⾼性能 20-core Arm 架构。128 GB 统一寻址系统内存。

原创 cuda和cudnn下载地址

使用以下命令安装CUDA 11.6（推荐）

原创 ubuntu22.04 GPU环境安装mindspore

cuda版本要求为11.6，之前服务器已经安装了cuda12.4，所以需要再安装一个cuda11.6版本。如果之前安装了其他CUDA版本，或者CUDA安装路径不同，只需替换以上命令中的。运行MindSpore GPU版本前，请确保nvcc的安装路径已经添加到。为当前安装的CUDA路径。

原创 git 统计代码提交的代码量

subs += $2;loc += $1 - $2 } END { printf "增加的行数:%s 删除的行数:%s 总行数: %s\n",add,subs,loc }

原创 docker buildx build 报错http: server gave HTTP response to HTTPS client

修改为自己docker私有库的地址例如：192.168.253.123:5000。2、创建builder示例过程中加入config参数。1、创建buildkitd.toml文件。

原创 python setup.py学习

-python setup.py bdist_wininst #生成NT平台安装包(.exe)--python setup.py sdist #生成压缩包(zip/tar.gz)--python setup.py egg_info # 单独生成egg_info信息。--python setup.py bdist_wheel 生成wheel包。--python setup.py bdist_rpm #生成rpm包。--python setup.py bdist #生成平台安装包。

原创 数据库学习

DML（Data Manipulation Language）是数据操作语言，用于管理和检索数据库中的数据。适用于对数据库中的数据进行一些简单操作，比如增删改查表中的数据。常用的语句关键字有：SELECT、INSERT、UPDATE、DELETE、MERGE、CALL、EXPLAIN PLAN、LOCK TABLE。DDL用于创建、删除和修改数据库对象，如表和数据库；DML涉及数据的增删改操作；DDL（数据定义语言）、DML（数据操纵语言）、DQL（数据查询语言）和DCL（数据控制语言）。

原创 docker中安装 python

将python和pip3 软连接到/usr/local/bin目录下。您也可以将以上命令写入~/.bashrc文件中，然后执行。

原创 高高报警、高报警、低报警、低低报警区别

高（低）报警：仅仅是一个报警提示，给你一个尽快操作的提示，避免系统工艺参数的恶化，该报警时候的系统状态对正常生产影响不至于连锁停车。当高报警和低报警时，系统提醒工艺操作员，系统已经处于工艺要求的边缘，尽快调节处理好系统相应的操作条件，避免系统恶化。当出现高高报警和低低报警时，系统会为了安全生产自连锁而停车，避免出现重大安全事故，保护人身安全和设备安全。高高报警、高报警、低低报警、低报警应该在工程师站的组态里设置，设这种二级报警连锁，是为工艺安全考虑。

原创 label stdio + ground dino实现自动标注

Using Text Prompts for Image Annotation with Grounding DINO and Label Studio | Label StudioGitHub - HumanSignal/label-studio: Label Studio is a multi-type data labeling and annotation tool with standardized output format

原创 Grounding DINO相关记录

项目地址：https://github.com/IDEA-Research/GroundingDINO衍生技术使用Autodistill: Train YOLOv8 with ZERO Annotations based on Grounding-DINO and Grounded-SAM by Roboflow AIhttps://github.com/autodistill/autodistillLaunch: Auto Label Images with Roboflow

原创 ffmpeg 常用基本命令

b 设定视频流量，默认为200Kbit/s -r 设定帧速率，默认为25 -s 设定画面的宽与高 -aspect 设定画面的比例 -vn 不处理视频 -vcodec 设定视频编解码器，未设定时则使用与输入流相同的编解码器。-ar 设定采样率 -ac 设定声音的Channel数 -acodec 设定声音编解码器，未设定时则使用与输入流相同的编解码器 -an 不处理音频。//-bf B帧数目控制，-g 关键帧间隔控制，-s 分辨率控制。//-r 提取图像的频率，-ss 开始时间，-t 持续时间。

原创 Umi-OCR

https://github.com/hiroi-sora/Umi-OCR

原创 linux系统挂载硬盘

参考链接：https://www.cnblogs.com/wenhainan/p/12292823.html。

原创 linux离线安装docker

安装连接参考。

原创 ffmpeg学习

原创 linux服务器挂载u盘

【代码】linux服务器挂载u盘。

原创 USB启动盘制作工具

Rufus - 轻松创建 USB 启动盘

原创 linux防火墙学习

Linux 防火墙配置（iptables和firewalld）_iptables配置文件位置-CSDN博客Linux查看防火墙状态及开启关闭命令_linux 查看防火墙-CSDN博客

原创 python脚本编译为.so速度对比

计算能力加速，本质上编译过程为python -> c -> so文件，相当于动态语言转换为静态语言，程序执行能力和计算能力有所提升。编译为so文件后比原始python代码执行时间快2ms左右。产品代码保护，so文件不可读。

原创 视频监控基础学习

Onvif协议的出现，解决了不同厂商之间开发的各类失败不能融合使用的难题，提供了统一的网络视频开发标准，即最终能够通过Onvif这个标准化的平台实现不同产品之间的集成。：网络硬盘录像机产品，搭配IPC使用。集成存储、解码显示、拼接控制、智能分析等多种功能于一体。一机多用，部署简单，功能齐全。ONVIF（Open Network Video Interface Forum，开放型网络视频接口论坛）以公开、开放的原则共同制定开放性行业标准。：网络摄像机的标准协议。网络摄像机的标准协议。

原创 cv2.bitwise_or 提取ROI区域

在执行一次bitwish_or，可获取如下结果，通过这种方式可以获取不规则的ROI。如果圆形ROI区域需要再次去除周围的黑边，可以用同样的方法，构造一个矩形mask。以上图像和原图做bitwish_or可获得如下图像，提取圆形ROI区域。原图如下所示，想提取圆形ROI区域，红色框。使用一个和原图尺寸一致的图像做mask,

原创 大模型LLM部署学习

vLLM使用指北VLLM官方文档。

原创 RapidOCR

paddle OCR工程化实现。

原创 Lite-SAM：轻量级分割一切新工作

https://arxiv.org/pdf/2407.08965

原创 SAM 2: The next generation of Meta Segment Anything Model for videos and images

https://ai.meta.com/blog/segment-anything-2/ https://github.com/facebookresearch/segment-anything-2 https://zhuanlan.zhihu.com/p/712068482

原创 Stirling-PDF：基于Web的开源PDF处理工具

PDF文件进行各种各样的操作，比如合并、拆分、加密、解密、旋转、压缩等等，功能超全，而且开源免费，简直是神器！

原创 AnomalySD：具有Stable Diffusion的少样本多类异常检测

的少样本多类异常检测框架，设计了不同的分层文本描述和前景掩码机制来微调 SD，实现了最先进的异常分类和分割性能！AnomalySD：一种采用。

原创 北航开源Crowd-SAM，基于SAM用于目标检测和分割，简化标注流程！（附论文及源码）

北航开源Crowd-SAM，基于SAM用于目标检测和分割，简化标注流程！（附论文及源码）

原创 FastAPI学习

FastAPI超全面整理fastAPI(从入门到运用)，进来看十秒钟再走不迟-CSDN博客

原创 node-red学习

【代码】node-red学习。

原创 免费论文专利检索网站

免费专利检索平台：https://pss-system.cponline.cnipa.gov.cn/conventionalSearch。知识产权管理系统：https://hollysys.inno.zhihuiya.com/innoe-web/dashboard。免费论文检索平台：https://pubscholar.cn/

原创 docker可视化界面portainer

好文转载记录。

原创 PP-ShiTuV2 图像特征匹配

PP-ShiTuV2是一个实用的轻量级通用图像识别系统，主要由主体检测、特征学习和向量检索三个模块组成。这里只利用特征学习和向量检索模块，特征提取时使用的都是主体突出的图像。

原创 numpy数组的保存与加载

numpy的保存与加载