weixin_45560365的博客

原创 什么是GPT与MBR

在使用GPT或MBR之前，需要对硬盘进行分区。通过磁盘分区，可以将不同类型的数据存储在不同的区域，并提高数据的安全性和管理效率。MBR是一种较早的磁盘分区表格式，它使用512字节的扇区作为存储空间。MBR分区表可以定义最多4个主分区，每个主分区都可以是启动分区。GPT是一种较新的磁盘分区表格式，它使用64位的扇区作为存储空间。而且GPT分区表支持较大的磁盘容量，可以处理超过2TB的磁盘。进行磁盘分区的方法包括使用操作系统提供的磁盘管理工具，如Windows的磁盘管理器或Linux的fdisk命令行工具。

原创 手机连接adb 相关问题汇总

链接：https://www.jianshu.com/p/902a89b06271。商业转载请联系作者获得授权，非商业转载请注明出处。

原创 SPI总线

SPI，是英语Serial Peripheral interface的缩写，顾名思义就是串行外围设备接口。是Motorola首先在其MC68HCXX系列处理器上定义的。SPI接口主要应用在 EEPROM，FLASH，实时时钟，AD转换器，还有数字信号处理器和数字信号解码器之间。SPI是一种高速的，全双工，同步的通信总线，并且在芯片的管脚上只占用四根线，节约了芯片的管脚，同时为PCB的布局上节省空间，提供方便，正是出于这种简单易用的特性，现在越来越多的芯片集成了这种通信协议。

原创 I2C总线

在前面我们还提到过，I2C总线上的每一个设备都对应一个唯一的地址，主从设备之间的数据传输是建立在地址的基础上，也就是说，主设备在传输有效数据之前要先指定从设备的地址，地址指定的过程和上面数据传输的过程一样，只不过大多数从设备的地址是7位的，然后协议规定再给地址添加一个最低位用来表示接下来数据传输的方向，0表示主设备向从设备写数据，1表示主设备向从设备读数据。I2C总线上可挂接的设备数量受总线的最大电容400pF 限制，如果所挂接的是相同型号的器件，则还受器件地址位的限制。I2C协议规定，总线上数据的传输。

原创 Android log 关键字

行 8413: 01-01 00:00:24.236 93 93 I [ 18.573781] : (3)[93:kworker/3:1][OPLUS_CHG][oplus_chg_print_log]CHGR[ 1 / 4 / 4957 / 3 / 0 ], // 1/4组合为充电+usb类型 1/5组合为 充电器。oplus_chg_print_log|Charger plug //充电类型。usb相关log关键词。sd卡挂载相关关键字。

原创 %lf与%f的区别

float是单精度浮点型，对应%f. double是双精度浮点型，对应%lf.

原创 Git 应用随笔记录

4、git commit . \\编辑修改的代码信息备注，如果完成后 还需要增加commit信息，可以使用git commit --amend 进行备注；此外，git commit -m "1" 为临时添加备注信息在" "中。3、git add . \\提交修改的代码。5、git push +所要提交的信息。在提交git 代码到远程分支。

原创 数组名作为函数的参数 与数组作为函数参数的区别

数组元素作为函数的实参时，像形参变量传递的是数组元素的值，而用数组名作为函数的实参时，向形参（数组名或指针变量）传递的是数组首元素地址.参考如下代码可以更好的理解.1数组名作为函数的参数//1有一个一维数组score,内放10个学生,求平均成绩#include<stdio.h>int main(){ float average(float array[10]); float score[10],aver; int i; for (i = 0; i < 10; i++

原创 sqort函数使用以及自己编写排序函数

1测试比较整型\浮点型\结构体#define _CRT_SECURE_NO_WARNING#include<stdio.h>#include<string.h>#include<stdlib.h>struct Stu { char name[20]; int age;};//void qsort(void* base,// size_t num,// size_t with,// int(*cmp)(const void* e1, const

原创 C语言二分法查找算法实现

binary_search(int arr[],int k,int sz)//二分法查找{ //算法的实现 int left=0; int right = sz - 1; while (left <= right) { int mid = (left + right) / 2; if (arr[mid] < k) { left = mid + 1; } else if (arr[mid] > k) { right = mid - 1.

原创 C语言扫雷小游戏(不完整版)

1头文件game.h#define ROW 9#define COL 9#define ROWS ROW+2#define COLS COL+2#define EASY_COUNT 10void InitBoard(char board[ROWS][COLS], int row, int col,char set);void DisplayBoard(char board[ROWS][COLS],int row, int col);void SetMain(char board[ROWS

原创 C语言求最大公因数与最小公倍数

1辗转相除法求最大公因数余最小公倍数辗转相除法是利用以下性质来确定两个正整数 a 和 b 的最大公因子的：⒈ 令r为a/b所得余数(0≤r)若 r= 0，算法结束；b 即为答案。⒉ 互换：置 a←b，b←r，并返回第一步。int main12()//辗转相除法求最大公因数余最小公倍数{ int a, b, k,temp,m,n; printf("输入整数a,b:"); scanf("%d%d", &a, &b); m = a, n = b; if (a &l

原创 C语言大小写字符转换

int main10(){ char c; printf("请输入字符:"); //c = getchar(); while ((c =getchar())!= '\n') { if ((c >='A' && c <= 'Z') || (c >= 'a' && c <= 'z')) { if ((c >= 'W' && c <= 'Z') || (c >= 'w' && c .

原创 C语言求100~200的素数

int main()//输出100-200间全部的素数{ int i, k, n,m=0; for (n = 101; n < 200; n = n + 2) { k = sqrt(n); for (i = 2; i < k; i++) { if(n%i==0) { break; } } if (i < k) { continue; } else { printf("%d\t", n); m = m + 1;.

原创 C语言三子棋小游戏

#define _CRT_SECURE_NO_WARNINGS#include<stdio.h>#include<stdlib.h>#include<string.h>#include<math.h>#include"game.h"void game(){ char ret = 0; char board[ROW][COL] = {0}; //初始化数组 Initboard(board, ROW, COL);...

原创 一文看尽深度学习中的20种卷积（附源码整理和论文解读）

文章写的非常好！收藏学习！https://blog.csdn.net/qq_29462849/article/details/118257646?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_title-0&spm=1001.2101.3001.4242

原创 卷积、卷积核的维数、尺寸

一、卷积核的维数1、二维卷积核（2d）2D卷积操作如图1所示，为了解释的更清楚，分别展示了单通道和多通道的操作。且为了画图方便，假定只有1个filter，即输出图像只有一个chanel。针对单通道，输入图像的channel为1，即输入大小为(1, height, weight)，卷积核尺寸为 (1, k_h, k_w)，卷积核在输入图像上的的空间维度（即(height, width)两维）上进行进行滑窗操作，每次滑窗和 (k_h, k_w) 窗口内的values进行卷积操作（现在都用相关操作取代）

原创 yolo_voc代码

代码根据自己需要进行修改from xml.dom.minidom import Documentimport osimport os.pathfrom PIL import Imageann_path = "H:\\qqqq\\3_images\\labels\\" #yolov3标注.txt文件夹img_path = "H:\\qqqq\\3_images\\3_images\\" #图片文件夹xml_path = "H:\\qqqq\\3_images\\xml\\" # .xm.

原创 json_to_voc代码

import osimport jsonimport codecsclass_name_dic = { "0": "Background", "1": "Edge defect", "2": "Angle defect", "3": "White dot defect", "4": "Light block defect", "5": "Dark dot block defect", "6": "Aperture defect" }rawImgDir='G:/til.

原创 数据集xml_to_txt代码

import osimport xml.etree.ElementTree as ETdirpath = './voc/biaoqian' # 原来存放xml文件的目录newdir = './voc/worktxt' # 修改label后形成的txt目录if not os.path.exists(newdir): os.makedirs(newdir)for fp in os.listdir(dirpath): root = ET.parse(os.path.join.

原创 VOC数据集转train.txt代码

import osimport random random.seed(0)xmlfilepath=r'./VOCdevkit/VOC2007/Annotations'saveBasePath=r"./VOCdevkit/VOC2007/ImageSets/Main/" #----------------------------------------------------------------------## 想要增加测试集修改trainval_percent# train_.

原创 AssertionError: Image Not Found D:\pycharm程序\yolov5-master\data\images\bus.jpg

YOLOv5测试时出现AssertionError: Image Not Found错误原因为测试图片中包含中文路径，把文件夹全部修改成英文即可。

原创 YOLOv5安装以及环境配置

目录1YOLOv5汉化版代码下载地址：https://github.com/wudashuo/yolov52环境搭建3安装步骤4下载yolov5代码1YOLOv5汉化版代码下载地址：https://github.com/wudashuo/yolov52环境搭建1.支持cuda的Nvidia显卡（显存越大越好）2.python 3.8以上(推荐anaconda)3.Cuda 10.24.pytorch5pycharm6.YOLO v5源码3安装步骤3

原创 Faster R-CNN论文翻译

摘要最先进的目标检测网络依赖于区域建议算法来假设目标位置。像SPPnet[1]和Fast R-CNN[2]这样的进步已经减少了这些检测网络的运行时间，暴露了区域提议计算作为一个瓶颈。在本工作中，我们引入了一个区域建议网络(RPN)，它与检测网络共享全图像卷积特征，从而实现几乎免费的区域建议。RPN是一个完全卷积的网络，它可以同时预测每个位置上的对象界限和对象评分。对RPN进行端到端训练以生成高质量的区域建议，Fast R-CNN使用这些区域建议进行检测。通过共享它们的卷积特征，我们进一步将RPN和Fast

原创 Fast R-CNN文章翻译笔记

原文地址：https: //github.com/rbgirshick/fast-rcnn摘要：本文提出了一种基于快速区域的卷积网络(Fast R-CNN)目标检测方法。快速R-CNN建立在之前的工作基础上，利用深度卷积网络有效地分类目标提案。与之前的工作相比，Fast R-CNN采用了几个创新来提高训练和测试速度，同时也提高了检测精度。Fast R-CNN训练非常深的vgg16网络比R-CNN快9倍，测试时快213倍，并且在PASCAL VOC 2012上取得了更高的mAP。与SPPnet相比，Fas

原创 R-CNN笔记

文章获取： http://www.cs.berkeley.edu/˜rbg/rcnn.在典型的PASCAL VOC数据集上，目标检测性能在过去几年中已经趋于稳定。性能最好的方法是复杂的集成系统，通常将多个低级图像特征与高级上下文相结合。在本文中，我们提出了一种简单且可扩展的检测算法，相对于之前VOC 2012的最佳结果，平均平均精度(mAP)提高了30%以上，实现了53.3%的mAP。我们的方法结合了两个关键的见解:(1)可以将高容量卷积神经网络(CNNs)应用于自底向上的区域方案，以定位和分割目标。(

原创 特征提取与特征选择

一、特征选择和特征提取特征选择（feature selection）和特征提取（Feature extraction）都属于降维（Dimension reduction）这两者达到的效果是一样的，就是试图去减少特征数据集中的属性(或者称为特征)的数目；但是两者所采用的方式方法却不同。特征提取的方法主要是通过属性间的关系，如组合不同的属性得到新的属性，这样就改变了原来的特征空间。特征选择的方法是从原始特征数据集中选择出子集，是一种包含的关系，没有更改原始的特征空间。特征提取和特征选择都是从原始

原创 HOG、SIFT、SURF、ORB、LBP、HAAR简单描述

方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。HOG特征通过计算和统计图像局部区域的梯度方向直方图来构成特征。1、主要思想：在一副图像中，局部目标的表象和形状能够被梯度或边缘的方向密度分布很好地描述。其本质为：梯度的统计信息，而梯度主要存在于边缘的地方。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。2、实现方法：首先将图像分成小的连通区域，这

转载 图像的尺度、尺度空间等概念

1.图像的尺度这里图像的尺度并非指图像的大小，而是指图像的模糊程度（σ） ，例如，人近距离看一个物体和远距离看一个物体模糊程度是不一样的，从近距离到远距离图像越来越模糊的过程，也是图像的尺度越来越大的过程。2.尺度空间的作用1.用机器视觉系统分析未知场景时，计算机并不预先知道图像中物体的尺度。我们需要同时考虑图像在多尺度下的描述，获知感兴趣物体的最佳尺度。2.不同的尺度下都有同样的关键点，那么在不同的尺度的输入图像下就都可以检测出来关键点匹配，也就是尺度不变性。图像的尺度空间表达指的就是...

原创 图像的特征金字塔

图像金字塔是图像多尺度表达的一种，是一种以多分辨率来解释图像的有效但概念简单的结构。一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低，且来源于同一张原始图的图像集合。其通过梯次向下采样获得，直到达到某个终止条件才停止采样。我们将一层一层的图像比喻成金字塔，层级越高，则图像越小，分辨率越低。...

原创 图像的直方图

1、灰度图像的直方图直方图用图形表示图像的每个亮度级别的像素数量，展示像素在图像中的分布情况。当我们用横轴代表0-255的亮度数值。竖轴代表照片中对应亮度的像素数量，这个函数图像就被称为直方图。直方图中柱子的高度，代表了画面中有多少像素是那个亮度2、彩色图像的直方图颜色直方图可以是基于不同的颜色空间和坐标系。最常用的颜色空间是RGB颜色空间，原因在于大部分的数字图像都是用这种颜色空间表达的。然而，RGB空间结构并不符合人们对颜色相似性的主观判断。因此，有人提出了基于HSV空间、Luv空间和L

原创 pycharm 中无法import识别自己写的包和模块的方法

原创 jupyter notebook安装Nbextensions扩展功能，以及自动提示补全代码功能

使用anconda安装的jupyter notebook是没有Nbextensions这一栏的，需要对它经行安装才显示。Nbextensions为功能扩展栏，里面有什么实用的工具,比如Highlight selected word、Hinterland（代码自动补全功能）等等。下面就是说一下具体的步骤。step1:打开自己的打开jupyter notebook，然后用anconda prompt输入命令pip install jupyter_contrib_nbextensions，关闭jupyter n

原创 关于jupyter notebook 使用tensorflow-gpu 2.0版本 安装及测试 关于cuda以及chdnn的pip安装

小编电脑显卡GEFORCE RTX2060 tensorflow目前的版本支持的是cuda10.0首先配置tensorflow-gpu,是需要独立显卡的，小编刚配置的时候也是踩了非常多的坑。下面把正确的步骤非大家分享一下，也是比较简单。step1:使用win+R 输入CMD打开命令窗口；step2:输入conda install cudatoolkit=10.0.130step3:输入conda install cudnn=7.6.0上述三步安装完成及配置好了jupyter notebook 使用