在cricle CI中上传云编译的文件

直接上完整yml配置代码:

# Java Gradle CircleCI 2.0 configuration file
# See: https://circleci.com/docs/2.0/language-java/
version: 2

# Define a job to be invoked later in a workflow.
# See: https://circleci.com/docs/2.0/configuration-reference/#jobs
jobs:
  build:
    # Specify the execution environment. You can specify an image from Dockerhub or use one of our Convenience Images from CircleCI's Developer Hub.
    # See: https://circleci.com/docs/2.0/configuration-reference/#docker-machine-macos-windows-executor
    docker:
      # specify the version you desire here
      - image: circleci/openjdk:8-jdk
        auth:
          username: mydockerhub-user
          password: $DOCKERHUB_PASSWORD  # context / project UI env-var re
      # Specify service dependencies here if necessary
      # CircleCI maintains a library of pre-built images
      # documented at https://circleci.com/docs/2.0/circleci-images/
      # - image: circleci/postgres:9.4

    working_directory: ~/repo#~/repo
    #working_directory: /tmp

    environment:
      # Customize the JVM maximum heap limit
      JVM_OPTS: -Xmx3200m
      TERM: dumb
    # Add steps to the job
    # See: https://circleci.com/docs/2.0/configuration-reference/#steps
    steps:
      - checkout

      - run:
          name: complie
          command: |
            javac Test.java
            ls 
            pwd
      - store_artifacts:
          path: /home/circleci/repo#~/repo/Test.class

其中 - store_artifacts是关键,是用上传的代码

path: /home/circleci/repo#~/repo/你编译后的文件

成功上传的话时这样的:

 

 

  • 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:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 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
预处理是编译器的第一个阶段,主要完成对源程序的预处理工作,包括宏定义和条件编译等。在C语言,预处理指令都以#开头,例如#define、#include等。 下面是一个简单的C程序示例: ``` #include <stdio.h> #define PI 3.1415926 int main() { double r, s; scanf("%lf", &r); s = PI * r * r; printf("The area of the circle is: %lf\n", s); return 0; } ``` 预处理阶段主要完成以下工作: 1. 将#include指令替换为指定的头文件内容。 在上面的示例,#include <stdio.h>指令会将stdio.h头文件的内容插入到程序。 2. 将#define指令替换为指定的宏定义内容。 在上面的示例,#define PI 3.1415926指令会将程序所有出现的PI替换为3.1415926。 3. 处理条件编译指令,例如#if、#else、#elif和#endif等。 条件编译指令可以根据不同的条件编译不同的代码段,例如: ``` #define DEBUG ... #ifdef DEBUG printf("Debugging information\n"); #endif ``` 在上面的示例,如果定义了DEBUG宏,则会输出“Debugging information”,否则不会输出。 4. 处理其他预处理指令,例如#error、#pragma等。 #error指令可以在编译时输出错误信息,例如: ``` #if MAX_SIZE > 1024 #error MAX_SIZE is too large #endif ``` 在上面的示例,如果MAX_SIZE大于1024,则会输出“MAX_SIZE is too large”。 #pragma指令可以用来控制编译器的行为,例如: ``` #pragma pack(1) struct { char c; int i; } s; ``` 在上面的示例,#pragma pack(1)指令会将结构体s的对齐方式设置为1字节,而不是默认的4字节。 预处理阶段的输出结果是一个新的C源程序,其所有的预处理指令都已经被处理完毕。编译器的下一个阶段是编译阶段,将源程序翻译成目标代码。
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