自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(9)
  • 收藏
  • 关注

原创 基于Jetson Agx Xavier的驱动开发----------一个字符设备驱动(多设备驱动)

文章目录前言一、字符设备驱动开发的主要流程?二、驱动程序的编写1.驱动程序的组成2.驱动入口函数总结前言这段时间学习驱动开发,手里只有一块jetson开发板,但是所有驱动开发教程都是针对于特定的学习板,针对于jetson开发板没有,虽然他们的开发流程可以借鉴,但是有许多地方不一样,在此记录一下开发流程和踩到的坑,如需具体理论知识,请参考正点原子的驱动开发教程/顺便提一嘴,之前以为正点原子只是在裸板开发上的教程特别好,这段时间看了他们嵌入式linux驱动开发指南,不得不说,是真的好,建议小白去学习一下.

2021-07-10 21:13:37 888

原创 完全理解堆排序(c++版本)

1.堆1.1 什么是堆堆就是一个完全二叉树,父节点大于子节点的称之为最大堆,子节点大于父节点的称之为最小堆,至于完全二叉树的概念为:一棵深度为k的有n个结点的二叉树,对树中的结点按从上至下、从左到右的顺序进行编号,如果编号为i(1≤i≤n)的结点与满二叉树中编号为i的结点在二叉树中的位置相同,则这棵二叉树称为完全二叉树。1.2 如何表达一个完全二叉树这里使用数组来表达完全二叉树,由完全二叉树可以看出可以完美的使用数组进行表示,表示方法为,从左到右,从上到下,依次生成一个数组以一个例子来表示:从

2021-08-24 19:55:09 145

原创 条件变量为何必须和互斥锁一起使用

在学习操作系统时候,其中关于线程的同步有四种方式:互斥锁,条件变量,读写锁,信号量,互斥锁,读写锁和信号量,这些都比较容易理解,关于条件变量,就不太好理解了,其中条件变量还注明了必须与互斥锁一起使用,接下来就以我的理解来说明一下,条件变量为何需要和互斥锁一起使用。最好的理解就是从代码出发首先贴一段最简单的互斥锁与条件变量一起使用的代码:#include <iostream>#include <pthread.h>#include <unistd.h>usin

2021-08-19 16:44:47 654

原创 最长递增子序列(LIS)----合唱队

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一、pandas是什么?二、使用步骤1.引入库2.读入数据总结前言提示:这里可以添加本文要记录的大概内容:例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。提示:以下是本篇文章正文内容,下面案例可供参考一、pandas是什么?示例:pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码

2021-07-26 21:26:35 145

原创 tkDNN(tensorRT版的目标检测网络库)在windows平台的配置过程

tkDNNtkDNN是YOLO官方认可的一个TensorRT版本的YOLO,但是说实话没有国内[tensorrtx](https://github.com/wang-xinyu/tensorrtx)和[yolo-tensorrt](https://github.com/enazoe/yolo-tensorrt)好用,之前用的Linux版本,Linux版本的配置过程挺方便的,windows版本配置挺麻烦,很多坑,和很多的未知的错误,配置了两天,咨询了作者两次才配置完成。文章目录tkDNN前言一、tk

2021-06-07 22:09:33 1291

原创 并查集入门学习(4.7华为实习笔试第一题)

并查集学习笔记4.7号做华为实习生笔试,第一题都没完全做出来,用了暴力模拟直接超时,考完后,才知道考察并查集,而且和并查集的经典题目找朋友十分类似,作为一个非科班的,没有系统学习过,只是一直在力扣上刷题,可能刷题少了,没有遇到过并查集的题目(恰巧今天刷每日一题,遇到了并查集),也是第一次听说并查集,所以写下这篇笔记,一方面记录一下学习流程,另一方面提醒自己基础不扎实本文根据胡凡老师的算法笔记进行学习的1.前言首先从字面上进行理解并查集,并就是合并(Union),查就是查找(find),集就是集合(s

2021-04-09 14:32:39 529 2

原创 Qt学习及踩坑日记(中)

Qt学习及踩坑日记(正文)书接上回3、引言这里是自己的理解,可能用的少,理解的不够深刻,我感觉学习Qt,最重要就是深入理解信号和槽函数,信号和槽函数相对于Qt就像文件对于Linux系统,对于大部分的Qt开发(以为没有进行网络开发,所以网络开发就不知道),可以说都是基于信号和槽函数。4、信号和槽函数什么信号和槽函数?这里其实还隐藏了两个概念,发送信号对象和接受信号对象,形象点描述就是,我打了你,你叫了一声,我就是发送信号的对象,信号就是打,你就是接收信号的对象,叫就是槽函数,接下来从一个Qt用到

2021-04-04 15:48:57 312

原创 Qt学习及踩坑日记(上)

Qt学习及踩坑日记(CMakeList的使用)因为项目用到Qt,是急用,所以没有系统学习,仅根据项目所需,记录一下自己学习以及踩坑流程,给0基础小白一点启发。本人是Qt小白,所以有描述错误或者不准确的内容,请大佬们指点出来并见谅。1、项目的大概背景在嵌入式开发板Jetson Xavier上进行编译的,直接在开发板上编译的,没有用到交叉编译。系统是Ubuntu。软件版本Qt5.9。一个基于TensorRT的检测设备,利用到了外部库有深度学习推理加速库TensoRT,cudnn库,opencv库,海康

2021-04-04 10:27:50 221

原创 将YOLO算法中的BN层的缩放因子的分布图用matplotlib画出

将缩放因子的分布图画出来本博客是基于https://github.com/tanluren/yolov3-channel-and-layer-pruning。首先找到缩放因子所对应的变量在所有剪枝代码里面都有,以slim_prune.py里面作为示例,bn_weights这个变量就存储了所有可供剪枝的通道对应的BN层的缩放因子bn_weights = gather_bn_weights(model.module_list, prune_idx)将bn_weights进行转化bn_weights

2020-12-24 18:38:49 1585 9

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

提示
确定要删除当前文章?
取消 删除