2013年总结

不想写总结,可今天也不想写代码。乘着等待去吃年饭的机会就总结一下呗,总结2013年,展望2014年。 2013年一来,就离职了。浪费了太多了时间在一件无意义的事情上,有人会说,你们做得东西盈利了啊!是啊,能够盈利才是王道。可中国就是这么个奇怪的地方,做得稀巴烂的东西也能盈利。不知道是产品做坏了市场,还是市场做坏了产品。当然,还有一些让人厌恶的人和事情,以前总认为能和一些同事保持一些良好的关系,其实最后发现不是这样的,能和人保持良好关系的只有同学,同学才是能够合伙干事业的。其他人,仅仅是同事关系就好了,不要想太多。 然后很快加入了目前的团队,当然我们很弱小,弱小到我们的产品无论从UI到体验还是比较弱的,但我相信通过不断的迭代会做出比较好的东西来。一年的时间,7W行代码,我们大致把一个移动互联网项目从后端到前端搭建起来了。年底也顺利的拿到了一笔钱。拿钱对于团队来说不算什么,盈利才是王道。所以我也不能够向别人说我们有多么成功。36kr,ifanr上面也没有我们的踪迹,那上面只需要爆点,只需要概念。他们不会关注低端用户的需求,不会认为从每餐不到15块钱的快餐挣到钱。我们有一个很大的竞争对手,饿了么,前几天刚刚融到2500W美金,庞然大物,呵呵!希望有一天能够和他们来一场正面的竞争。 写了只么多,我也不知道总结什么,那么继续流水账吧! 13年去了一趟阳朔,我比较喜欢桂林,可惜最后去了阳朔。非常开心,这是我第一次出旅游,我不喜欢到处跑,有了一个喜欢折腾的媳妇后,自己的心态也变得张扬起来,喜欢尝试一些新的东西,慢慢注重穿衣打扮,更加喜欢享受生活。非常感谢我现在的老婆,要不是她,我估计现在还住在西乡的小房子里面,写代码,真没出息!哈哈哈 屌丝就是这么练成的。2014年准备去一趟澳门,也完成一个小小的心愿就好了。生活的色彩是靠一个对的人去涂抹,因为在找到那个人之前我们都是白板一块。 做了一个项目,这个项目是一个“私活“,帮别人开发一款路由器的APP,做得一般般,让我见识到了其实做一个公司需要的技术实力决对不高。如果想作出一番事业就因该现在动手,而不是说我现在还提高一下技术,执行力才是关键。深圳没有互联网,有也只有一家腾讯,其他的都是硬件厂商。 关于大公司,我没有在一家大公司工作过,不知道是不是一个遗憾,上次班长还说,毕业的同学中没有一个在互联网公司工作,真是很遗憾。其实到不是遗憾,而是一种未达到某种“标准“的惆怅感。感觉别人都考了80分,而你只拿了60分,但这次考试只有一次,你又不能重来,这种像盖章一样的感觉挥之不去,loser之类的名字四面八方飞来。后来,我终于解脱了,不再为这些事情而困扰,我不再把这些当作人生的标准,也不再把大公司作为自己的标杆,人生的标杆是你能做什么,而不是去一个组织。 关于创业,创业艰难,但总需要人去做。班长今年成立了一个公司,做路由器,我和肖总兼职干,也算开启了自己的创业生涯了吧。人生最大的失落不是失败,而是在正确的时间没有做好自己应该去做的事情。希望2014年是一个收获之年。失败也无妨,我现在不到30岁,多试几次总能够获得一些成绩,努力吧,骚年! 总结写成了计划,总结变成了发誓,真是始料未及! 最后几句:我们希望简单生活,却要回避困惑和迷茫,我们都认为前路茫茫,却忘了远方的精彩,我们都要人生安稳平静,却忘了人生旅途的颠簸才能在生命中留下精彩的印记。 2014年1月25日写于深圳

转载于:https://my.oschina.net/tonyyang/blog/290775

【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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