- 博客(319)
- 收藏
- 关注
RSS订阅
原创 【王爽老师汇编语言】os和计组必备前置知识-学习记录1
PSP区的物理地址就是SA×10H，程序区的物理地址就是(SA+10H)×10H，即SA×10H+100H，刚好比PSP高了100H（即256）个字节。其实就是把偏移地址本来应该负责的100H的偏移量转移到了段地址上面，这样就能尽可能扩充程序区的大小了。所以我们可以看出来，其实上面这个公式相当重要，它贯穿了全书，在不同的章节看到它都会有不同的体会，掌握它也会让我们更加容易地理解很多问题。汇编语言中对PSP区和程序区的一些理解，看王爽《汇编语言（第三版）》的时候，第4.9章 有一处我一直无法理解。
2023-12-26 00:18:24
579
原创 【machine learning for everyone 人人都可以学的机器学习】系列文章 1【数据预处理、KNN、朴素贝叶斯、线性回归、SVM、Neural Net】
数据集:https://archive.ics.uci.edu/dataset/159/magic+gamma+telescope。
2023-12-14 08:45:00
114
原创 【操作系统笔记】-文件系统
为了避免刚删除文件导致空闲链表写回磁盘后马上又有需要写文件导致刚写回的空闲链表块又读回内存，做了一个优化，当内存中的空闲链表块满时，不是整块写回磁盘，而是写一半，然后内存中的空闲块就只剩一半左右的空闲块，来处理临时的释放和申请空闲块，减少磁盘IO。虽然单级目录系统有简单和定位文件快的好处，但是现在计算机的用户通常有成千上万的文件，不可能放到一个目录中，因此需要一种方法将有关系文件分组聚集在一起，一种方案是层级目录，就像一本书的目录，如下图，不仅可以分组聚集相关文件，还可以为不同用户创建独立的目录。
2023-12-08 18:30:36
473
原创 【LSTM】北京pm2.5 天气预测--pytorch版本,有代码可以跑通-LSTM回归问题，工程落地一网打尽
LSTM 少分析原理，更强调工程落地，今年年初有两篇LSTM的回归文章，是keras实现的。《【LSTM】LSTM预测股票价格–单因素、多步、输出单步回归特征 -keras 1》https://blog.csdn.net/weixin_40293999/article/details/128635150《【LSTM】多因素单步骤预测-keras 2》http://t.csdnimg.cn/vRmMeLSTM：做回归预测的几个应用。
2023-11-21 00:26:57
1250
2
原创 【python 生成器 面试必备】yield关键字，协程必知必会系列文章--自己控制程序调度，体验做上帝的感觉 1
这个老哥把yield讲清楚了，我来学习并且记录一下。偶尔遇到Yield关键字时，它看起来相当神秘。这里，我们通过查看生成器如何使用yield获取值或将控制权返回给调用者来揭示yield所做的工作。我们也在看生成器generator的不同状态。让我们开始吧。
2023-11-14 19:20:35
106
原创 《操作系统真象还原》第一章 部署工作环境
写入虚拟机启动磁盘 dd if=/home/ubuntu/test of=/home/ubuntu/bochs/hd60M.img bs=512 count=1 conv=notrunc。下载Bochs https://udomain.dl.sourceforge.net/project/bochs/bochs/2.6.8/bochs-2.6.8.tar.gz。为即将要安装的bochs创建一个空目录，我的在家目录/home/ubuntu/ 下。进入解压后的文件夹,并且配置编译安装的路径，进行安装。
2023-10-15 00:52:30
227
原创 【python 多线程】初体验+单线程下载器+多线程并行下载器+ 多进程下载器 以及线程和进程的切换成本比较
至此已完成了单线程和多线程的下载器改造，并分析了python的多线程为啥是伪多线程，适合在什么场景使用。这是慕课的一个系列课程，之前断断续续学习过一遍，那时候没咋用过python，用python两年后再看，还是收获很大！还有协程的知识参加我的另一篇文章： https://mp.csdn.net/mp_blog/creation/success/130478060。
2023-09-07 22:33:25
571
原创 【论文复现】Learning I/O Access Patterns to Improve Prefetching in SSDs 系列 1
LSTM完成ssd I/的预取git地址: https://github.com/Chandranil2606/Learning-IO-Access-Patterns-to-improve-prefetching-in-SSDs-paper地址: https://people.ucsc.edu/~hlitz/papers/ecml2020.pdf作者的presentation：//www.youtube.com/watch?作者的ppt我也没有，在3中可以在线观看。
2023-09-04 10:22:41
249
原创 【opencv C++版本】安装和学习 ==Windows下使用VSCode配置OpenCV开发环境
配置vscode看这里：https://blog.csdn.net/formaever/article/details/120497371。nnd，用这个ref在ubuntu20.04 上安装成功了！在windows上没安装成功，在ubuntu上安装成功了。照着ref 没安装成功，先写个二分查找把。
2023-08-06 22:26:55
832
原创 【yolov8+人/车流量统计】yolov8案例的追踪case，业务化可以变成计数，bz=4，同时追踪4路摄像头，只用一个检测模型
之前写个yolov8的一个试用版，【深度学习】Yolov8追踪从0到1, 这要是做计数啥的,简单的一批，一套工程化的代码，给自己挖了个坑，说要实现一个基于yolov8的人/车流量统计.现在要改进，想要做成能够处理多摄像头的，也就是多个摄像头共享一个算法来处理计数。
2023-07-31 11:08:15
2834
4
原创 【深度学习】以图搜索- 2021sota repVgg来抽取向量 + facebook的faiss的做特征检索， 从环境搭建到运行案例从0到1
Faiss的全称是Facebook AI Similarity Search。这是一个开源库，针对高维空间中的海量数据，提供了高效且可靠的检索方法。暴力检索耗时巨大，对于一个要求实时人脸识别的应用来说是不可取的。而Faiss则为这种场景提供了一套解决方案。Faiss从两个方面改善了暴力搜索算法存在的问题：降低空间占用加快检索速度首先，Faiss中提供了若干种方法实现数据压缩，包括PCA、Product-Quantization等。
2023-07-26 17:01:39
774
原创 【深度学习】yolov5以及yolov8的微调后的模型精度对比
做了一个烟火识别，用了2W张图片，标注包括：fire，smoke。在coco80类的模型上进行ft， 借此机会进行比较一下。
2023-07-21 17:17:53
3185
1
原创 【图像处理】Python判断一张图像是否亮度过低
然后使用plt.hist函数绘制灰度图像的直方图，并通过plt.xlabel和plt.ylabel设置横轴和纵轴的标签。is_dark函数的作用是判断输入图像的平均亮度是否低于设定的阈值。调用is_dark函数判断图像光线是否过暗，如果返回True，说明图像光线过暗，输出"图片光线过暗"；这是我清理图片数据用的，实际用的时候把平均数值返回并给到图片前缀，图片按名称排序后方便我清洗那些太暗的图片。这段代码是一个用于判断图像亮度是否过暗的函数is_dark，并对输入的图像进行可视化直方图展示。
2023-07-13 10:14:31
1008
原创 「解决」pip install xxx 解释器错误: 没有那个文件或目录
bash: /home/raywit/anaconda3/envs/xxx/bin/pip: /home/another/anaconda3/envs/xxx/bin/python: 解释器错误: 没有那个文件或目录。上图是当我拷贝别人环境时发现少包，然后继续pip时出现这样的错，根本原因则是使用pip时路径没修改成自己的。（假定由用户A拷贝到用户B）解决方法：（报pip的错就第一行，conda的话第二行）
2023-07-10 15:25:27
589
原创 【python知识】python常用的魔法方法详细总结
实际上, 当我们调用x = SomeClass()的时候调用,__init__并不是第一个执行的, __new__才是。在对象的生命周期结束时, __del__会被调用,可以将__del__理解为"析构函数".__del__定义的是当一个对象进行垃圾回收时候的行为。__getattribute__定义了你的属性被访问时的行为，相比较，__getattr__只有该属性不存在时才会起作用。__new__是用来创建类并返回这个类的实例, 而__init__只是将传入的参数来初始化该实例.
2023-07-07 14:07:53
177
原创 【深度学习】1. yolov5 推理速度和batchsize的增长关系，推理并行处理多张图片，显存如何手动释放
yolov5的detect.py 是默认batchsize=1的，而直接修改batchsize为更大的值，会使detect.py 不工作.因此本篇文章想解决两个问题：1.设置多大的bz合适2.如何修改detect.py 使其满足自定义的bz。
2023-07-05 10:47:25
4232
10
原创 【linux开发中的一个问题】 tail: 无法使用 inotify 机制，回归为 polling 机制: 打开的文件过多
原因分析：inotify监控程序导致的，这个是监控文件变化机制，这个监控，耗尽了这个参数值解决方案有两个：1.关掉监控程序2.扩大值。
2023-07-04 11:46:38
1504
原创 【深度学习】ByteTrack 完成计数和行人行人重识别的追踪
经典算法：ByteTrack 算法原理以及多类别跟踪作者：Yifu Zhang 等发表时间：2021Paper 原文：ByteTrack: Multi-Object Tracking by Associating Every Detection Box开源代码：ByteTrack提出问题：直接丢弃到低置信度的检测框所带来的的问题。低置信度检测盒有时表明物体的存在，例如被遮挡的物体。过滤掉这些物体会导致MOT的不可逆误差，并带来不可忽略的缺失检测和碎片化轨迹。
2023-06-27 19:26:01
1382
2
原创 【嵌入式模型转换】2. 算能盒子SE5 芯片板子BM1684 sophon-pipeline
【嵌入式模型转换】1. 算能盒子SE5 芯片板子BM1684本篇文章的目的是要走通一个pipeline。这一段是算能git的介绍：起初看这个是云里雾里的，因为文档太多，后来和算能的工作人员沟通后，要把主要精力放到，这个git仓库的pipeline上。用的是 pipeline的V0.3.4 版本正愁还得确认依赖版本呢，人家的包都给装好了。真是幸福啊~
2023-06-26 09:01:12
705
5
原创 【深度学习】RepVGG解析和学习体会，结构重参数化的后的速度比较，代码实现
论文名称：RepVGG: Making VGG-style ConvNets Great Again论文下载地址：https://arxiv.org/abs/2101.03697官方源码（Pytorch实现）：https://github.com/DingXiaoH/RepVGG大神的讲解：bilibili视频讲解：https://www.bilibili.com/video/BV15f4y1o7QR。
2023-06-22 19:44:40
604
原创 视频基础知识——编码时，帧率、码率、分辨率之间的联系
前提是，这种录制的效果，是自己可以接受的。是指视频文件在单位时间内使用的数据流量，也叫码率，经过视频压缩后每秒产生的数据量，而压缩是去掉图像的空间冗余和视频的时间冗余，是视频编码中画面质量控制中最重要的部分。720，则bit_rate需要设置大一些，比如设置成800 000， 此时画面才会清晰，如果依然设置成400000，则画面非常模糊，像打马赛克一样。码流越大，说明单位时间内取样率越大，数据流的精度就越高，处理出来的文件就越接近原始文件，画面质量越好，画质越清晰，要求播放设备的解码能力也越高。
2023-06-19 09:54:17
1102
原创 视频监控系统基础名词解析：帧率、码率、分辨率、三码流技术
帧率：是每秒显示图像的数量，每一帧就是一副静止的画面，在摄像头参数经常会看到这个概念，比如一个摄像头帧率参数25fps，其实表示的就是1秒钟显示25个画面。每秒钟的帧数越多，fps指就是越高，所显示的视频动作画面就会越流畅，码流就会需要越大，比如普通的视频监控画面的帧率一般就是25fps，普通场景下，这个视频画面以及非常流畅，而对于高速上的抓拍摄像头，25fps的帧率往往不够，对快速过来的车辆抓拍往往会形成视频画面拖尾的现象，这就需要配置高帧率摄像头，比如常用的有120fps的高帧率工业摄像头；
2023-06-19 09:18:27
1151
原创 【深度学习】MixUp数据增强方法
写一点数据增强吧MixUp数据增强方法在最近的几个Yolo算法中得到了广泛的应用，特别在YoloX中，s/m/l/x四个型号的网络都使用了MixUp数据增强。nano和tiny由于模型的拟合能力一般没有使用MixUp，但也说明了MixUp具有强大的数据增强能力。MixUp的思路较为简单，主要是将两张图像按比例进行混合，如图所示：图片混合完成后，原来两幅图片的真实框此时也位于一幅图像上。
2023-06-18 22:26:11
1956
1
原创 【操作系统】文件系统
缓冲：是解决高速到低速、低速到高速的问题，是为了解决速度不匹配的问题。文件的定义：文件是具有符号名的一组信息的集合，比如源程序、数据、目标程序等。具体来说，它是负责文件的组织、存储、控制和使用的软件的集合、。对文件操作有文件创建、读文件、写文件、截断文件、设置文件的访问位置等.缓存：为了解决距离远近的问题，缓存的数据是重复的，要保证数据一致性；文件访问控制信息：文件的创建者，所有者，读写或运行的许可。文件有文件信息组成的文件体和包含文件属性的文件头组成。文件的使用信息：文件创建的时间日期，最近访问时间等。
2023-06-17 18:24:35
254
原创 【嵌入式模型转换】1. 算能盒子SE5 芯片板子BM1684
官网文档指引：https://doc.sophgo.com/sdk-docs/v23.03.01/docs_latest_release/docs/SophonSDK_doc/zh/html/common_test/disclaimer.html写的很好，真的很好，就是太太太太多多多多了。。。。
2023-06-15 17:37:22
2715
原创 《计算机组成原理》唐塑飞 课后答案 第一章
计算机硬件主要通过不同的时间段来区分指令和数据，即：取指周期（或取指微程序）取出的既为指令，执行周期（或相应微程序）取出的位数据。主机、CPU、主存、储存单元、存储原件、存储基元、存储元、存储字、存储字长、存储容量、机器字长、指令字长；存储元件：存储一位二进制信息的物理元件，是存储器中最小的存储单位，又叫存储基元或存储元，不能单独存取；主存：计算机中存放正在运行的程序和数据的存储器，为计算机的主要工作存储器，可随机存取；cpu：中央处理器（机），是计算机硬件的核心部件，由运算器+控制器组成；
2023-06-13 19:06:31
393
原创 【操作系统】Linux进阶必须掌握的进程、线程及调度算法~进程学习
Linux内核源代码中，进程的状态是用数字来表示的，为了弄明白正在运行的进程是什么意思，我们需要知道进程的不同状态。一个进程可以有几个状态（在Linux内核里面，进程有时候也叫任务）/*
2023-06-08 15:31:45
354
原创 【深度学习】跌倒识别 Yolov5（带数据集和源码）从0到1，内含很多数据处理的坑点和技巧，收获满满
又要到做跌倒识别了。主流方案有两种：1.基于关键点的识别，然后做业务判断，判断跌倒，用openpose可以做到。但这种适合背景比较干净的，类似抖音尬舞的输出；2.基于目标监测的，有人躺下就标注为跌倒第二种方案，适合在工地，或者工厂上班的情况，因为很容易有人围观，聚集起来，方案1就容易误报，因为它为了保障速度，使用的是自下而上的方式。很容易将不同人的关键点张冠李戴，造成误报。因此我们使用方案2。
2023-06-06 12:21:01
3149
8
原创 [开发板]001瑞芯微3588s开发记录--装一个仿真环境
我是一个开发板的新手，刚买了一个瑞芯微3588s的板子，目标是要学习嵌入式的开发，也就是说把深度学习的框架，跑到板子上。万丈高楼平地起步。先把仿真环境搭建起来。仿真环境可以跑在ubuntu的机器上，但仿真环境只能运行python代码，而真是的3588s的板子是既能跑c/c++代码又能跑python代码。
2023-06-05 23:21:43
608
原创 【手势识别】一个很好的手势识别模型 Yolov5，可对标旷视的作品，很好用 《含数据集+源码》
项目需求，需要做一个手势识别的项目，目标对标旷视数据集在这里,我自己已经购买了， 12W+张图片，12G+，代标注。这个项目做好了，可以对标旷视的算法： https://console.faceplusplus.com.cn/documents/10065685step1：初始化数据集整理好的数据集，12W+ 19种手势， train：val=9:1names:0:one1:two_up3:three4:three25:four6:fist7:palm8:ok。
2023-06-02 17:25:06
187
原创 【深度学习】yolov7 pytorch模型转onnx，转ncnn模型和mnn模型使用细节
yolov7 pytorch模型转onnx，转ncnn模型和mnn模型使用细节，记录一下git仓库：前后处理是硬功夫，加油！！！
2023-05-31 23:02:10
2838
2
原创 【人脸识别】旷世的好用的人脸识别 insightface 使用记录和搭建服务注意点和坑，手把手教你从0到1，太好用了，可以直接运行项目，跟进更新+ffmpeg拉流抽帧
人脸识别项目，再走一遍。之前是公司老人留下的，没部署过，没交付过。这次重新搞一个，并且把搞过的记录下来。参考旷视的insightface:另外一个blog:https://blog.csdn.net/u013171226/article/details/123249453创建环境，安装库把它的git 代码都拉下来：解压到 /home/jianming_ge/workplace/zhongwaiyun/insightface/我觉得人脸矫正、人脸对齐，这个insight的库都帮我们做了。
2023-05-29 14:40:55
4164
12
原创 【flask + sqlalchemy】连接clickhouse数据库的踩的坑，在这里记录一下
使用clickhouse有一段时间了，现在要重构一个项目，重度依赖clickhouse，现在终于理顺了，记录一下。
2023-05-23 14:38:54
755
原创 【深度学习】Yolov8追踪从0到1, 这要是做计数啥的,简单的一批，一套工程化的代码
用了将近2年的yolov5了，之前主要做目标检测后面，还做了yolov5的分割任务和模型转换，现在又有了新任务了。是时间玩玩新模型了。最好的方式是看文档：https://docs.ultralytics.com/可以看到和以前相比，yolov已经由一个目标监测的模型，变成了一个综合魔板，可以做包括物体检查、跟踪、实例分割、图像分类和姿态估计任务的绝佳选择。
2023-05-17 15:05:03
2063
5
原创 【多任务学习】Multi-task Learning 手把手编码带数据集, 一文吃透多任务学习
我们之前讲过的模型通常聚焦单个任务,比如预测图片的类别等,在训练的时候,我们会关注某一个特定指标的优化.但是有时候,我们需要知道一个图片,从它身上知道新闻的类型(政治/体育/娱乐)和是男性的新闻还是女性的.我们关注某一个特定指标的优化,可能忽略了对有关注的指标的有用信息.具体来说就是训练相关任务所带来的额外信息,通过在多个相关任务中共享表示,我们可以使得模型在我们原本任务上获得更好的泛化能力.这种方法就叫做多任务学习.
2023-05-08 00:42:31
2279
原创 【机器学习】sklearn的集成学习用于图像分类从0到1，注意点和坑点
深度学习崛起后，好像机器学习就没落了，但在固定场景下，还是很好用的。下面就是展厅项目的识别任务。老规矩，集成学习的基础知识点少讲，或者不讲，因为这种文章已经很多了。主要是基于场景的业务问题解决。对于光的影响，转成灰度图是否有影响–这是一个大的话题？待续。另外，用Haar提取特征的时候，权重文件会恐怖的达到12G，而且训练的时候内存会爆掉，这个问题耽误我小半天时间，原因未知。后来改成lbp的方式就很小的，速度也很快。
2023-05-06 11:54:30
980
原创 【语义分割】LinkNet从0到1和代码实现
已经有了U-net了，为什么需要linkNet？unet见这个文章【语义分割】unet结构和代码实现:https://blog.csdn.net/weixin_40293999/article/details/129648032它引入了resNet，主打一个RealTime，实时系统，用于自动驾驶等需要快速返回结果的领域。unet适合医疗诊断等不那么实时的地方。它也借鉴了自编码器的结构。
2023-05-04 23:36:43
1398
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人