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(10)
  • 收藏
  • 关注

原创 Typora+PicGO+Github实现自定义图池

Typora+github+Picgo实现自定义图池

2024-07-04 14:29:35 866

原创 【C++】静态库和动态库

使用动态库会将动态库加载到内存,10个文件也只需要加载一次,然后这些文件用到库的时候临时去加载,速度慢一些,但是很省内存。静态库在文件中静态展开,有多少文件就展开多少次,非常吃内存,好处是静态加载的速度快。文件夹目录详情:/home/centos7/works/tools/demo.cpp。g++ 选项 源代码文件名清单 -l库名 -L库文件所在的目录名。语法:g++ -c -o lib库名.a 源代码文件清单。如果动态库和静态库同时存在,编译器将优先使用动态库。静态库:lib开头,.a结尾;

2024-07-01 20:19:51 296

原创 【Linux系统下安装C++编译环境】

指定输出的文件名,这个名称不能和源文件同名。如果不给出这个选项,则生成可执行文件a.out。-c :只编译,不链接成为可执行文件,通常用于把源文件编译成静态库或动态库。-On :在编译、链接过程中进行优化处理,生成的可执行程序效率将更高。-g :如果想对源代码进行调试,必须加入这个选项。启用软件包,输入下面代码后,需要重新连接服务器。-std=c++11 :支持C++11标准。-O或O1:对程序部分编译优化,-O3:危险的优化等级,不推荐。-O0 :不做任何优化。

2024-06-28 21:19:07 478

原创 【win11系统VSCode配置SSH远程连接Linux远程服务器】

5. 上传成功后,Linux系统执行命令,生成authorized_keys文件,配置完成回到VSCode中,不需要输入密码就能进入。如果操作系统是win10 的话,设置免密操作会有bug,使用起来比较困难,所以目前操作只适用于win11。win10系统需要在 Linux系统下.ssh目录下。传输完成,在Linux系统中查看是否有此文件。4. 在windows系统中输入以下命令。下载SSH插件:Remote SSH。下载完成后,安装中文简体拓展插件。点击首页左下角SSH连接。

2024-06-28 20:45:36 406

原创 【VMware WorkStation安装教程】

下载版本:VMware WorkStation 16。

2024-06-27 11:18:16 229

原创 记录:RuntimeError: CUDA error: device-side assert triggeredCUDA kernel errors might be asynchronous

可能是数据集类别标签错误定义导致的,在脚本文件中定义了五类,运行出错!2. voc_classes() 修改。1.在voc.py中修改。

2024-06-20 16:18:19 228

原创 【Git操作】—— 从0开始的Git操作指南

git是目前世界上最先进的分布式版本控制系统。

2024-05-27 15:12:33 679 1

原创 论文笔记2——Image-Adaptive YOLO for Object Detection in Adverse Weather Conditions

面临问题:基于深度学习的目标检测方法在传统的数据集上取得了很好的效果,但在恶劣天气条件下从低质量的图像中定位目标仍然具有挑战性。现有的方法要么难以平衡图像增强和目标检测的任务,要么往往忽略了对检测有利的潜在信息。提出方法:提出一种新的图像自适应YOLO(IA-YOLO)框架 ,其中每个图像都可以自适应地增强以获得更好的检测性能,具体来说,针对YOLO探测器的不利天气条件,提出了一种可微图像处理(DIP)模块,该模块的参数由小卷积神经网络(CNN-PP)预测。

2023-06-04 00:44:06 588 2

原创 论文笔记1——SSDA-YOLO: SEMI-SUPERVISED DOMAIN ADAPTIVE YOLO FOR CROSS-DOMAIN OBJECT DETECTION

DAOD的目的是目的缓解跨域差异导致的传输性能下降,目前的DAOD方法大多数是过时、计算量大的两阶段检测器Faster-rcnn,本文提出了半监督的域自适应YOLO方法,使用一阶段的检测器YOLOv5。具体,将知识蒸馏框架与MT模型相结合,帮助学生模型获得未标记目标领域的实例级特征,利用风格迁移转换在不同域交叉生成伪图像,弥补图像级差异。

2023-06-04 00:11:50 1065

原创 Web鼎鼎书店前端代码

【代码】Web鼎鼎书店前端代码。

2020-11-20 11:40:21 222 1

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