落叶霜霜-CSDN博客

原创【QT从入门helloworld到进阶QT(C++)部署YOLOV5】

Q_OBJECTpublic:private:第 7 行，定义名称空间 Ui ，里面有一个类 MainWindow ，这个 MainWindow 和第 10 行里的 MainWindow 不是同一个对象。实际上，这个文件里的 MainWindow 类有一个成员*ui 就是指向第 19 行的 Ui::MainWindow 的指针。这都是为了使用.ui 文件设计界面的。第 12 行，MainWindow 的声明中第一行是 Q_OBJECT，这是一个宏，由 Qt 进行处理，这。

2024-08-19 16:25:16 1289

原创【Qt从摄像头视频中获取数据】

必须要使用到QVideoSink，相应的依赖模块有：QMediaCaptureSession、QMediaDevices、QCamera、QVideoFrame。m_file.write((const char *)videoFrame.bits(0和1), videoFrame.mappedBytes(0和1));这种方法功能强大，除了显示视频功能，还可以做复杂的图形处理(具体可以查看QGraphicsScene的使用)如上，QVideoFrame转QImage，拿QImage进行画图操作就简单了。

2024-08-19 16:24:58 1633

原创【使用RK3568S内置NPU加速yolov5推理】

每一行有6个，把我框起来的部分复制即可，这里要注意一点，我们对于小数部分是四舍五入的，最后要保证在yolov5s.yaml里面的都是整数，整个yolov5s.yaml的anchor部分全部要换成我们的Best Anchors，同时还要把我们的nc也就是识别的类别数目给修改一下。进入文件夹后，创建一个名为demo.py的文件，将以下代码复制即可，实现了实时视频，同样要注意的一点是，我们需要把RK_anchor的锚点在这里也修改一下，同样把我们的后处理部分修改一下，也就是上面提到的process函数修改一下。

2024-08-17 10:18:08 1481

原创【yolov5转换为rknn模型过程中的问题】

与此同时，发现yolo v5更新到了v7.0.0的版本，于是就想着把yolo 进行升级，同时将pytorch版本也更新到最新的2.1.0，这样就可以采用torch.onnx.dynamo_export 进行转onnx模型的操作尝试了。注意到rknn模型的转换用到了dataset.txt，它指定的是原版COCO训练下的yolov8的图片，而现在的自定义数据集中没有这样的图片。同时发现，量化后的rknn模型，在config阶段改变量化的方式，确实会提升模型的性能，且几乎接近于未量化的模型版本。

2024-08-17 10:17:42 1231

原创【使用RK3588 通过NPU部署YOLOv5目标检测文章参考速通】

国内多线程异步提高RK3588的NPU占用率，进而提高yolov5s帧率文章和代码使用yolov5s进行讲解, 其他模型如resnet之类的同理,稍作修改就可以使用。由于已经有很多人,如，孙尧等做了如何通过修改模型提高视频推理帧率的教程, 这里我就主要讲另外一种性能的方法——多线程异步。

2024-08-14 14:49:58 1564

原创【qmake: No such file or directory 的问题解决最全】

执行qmake -v出现错误：qmake: could not exec ‘/usr/lib/x86_64-linux-gnu/qt4/bin/qmake’: No such file or directory分析：qtchooser默认选择路径中没有指向qmake路径重新安装Pyqt5。

2024-08-14 14:49:32 819

原创【bash: ./performance.sh: Permission denied】

今天，在新的开发环境中，执行sh脚本的时候，出现了下面的问题：排查使用ll -rt命令，看下sh脚本的权限。-rw-rw-r--可以看到，之前的sh脚本是没有执行权限标识(x)的。因此定位到原因，是sh脚本没有可执行权限造成的。

2024-08-12 13:33:14 617

原创【CameraBin error: Internal data stream error.】

遇到:camerabin error:"Internal data stream error。问题未解决，仅仅记录，尝试过但是失败的方法有以下博客。使用QT自带的QCamera打开MIPI摄像头。降低分辨率为640*480即可。

2024-08-12 13:32:35 614

原创【瑞芯微平台rv1109平台部署yolov5目标检测】

在SDK目录rv1126_rv1109\external\rknn-toolkit\packages下有rknn_toolkit-1.6.0-cp36-cp36m-win_amd64.whl(备注：我从github下载最新的rknn toolkit的时候，对应的whl并没有一起下过来，https://github.com/rockchip-linux/rknn-toolkit/releases需要自己再下载一下对应的安装包)该步骤的安装包要和跟文档的一致，不然后面rknn还是安装不成功的。

2024-08-09 15:03:12 1413

原创【W load_onnx: It is recommended onnx opset 12, but your onnx model opset is 10!】

后输入python -m onnxsim ./weights/red.onnx ./weights/red2.onnx优化onnx模型。可以看到优化前后的表。博主想拿官网的yolov5训练好pt模型，然后转换成rknn模型，然后在瑞芯微开发板上调用模型检测。1、首先部署好yolov5的环境，保证可以运行detect.py进行检测，将自己训练好的pt模型放到weights目录下，我这里命名是best.pt。模型预期的图像通道是12，但是现在输入是3个通道的图像，所以在图片输入之前改成模型需要的通道数。

2024-08-09 15:02:45 378

原创【buildroot 编译qt ERROR: Feature ‘xxxxx‘ was enabled, but the pre-condition ‘YYYYY‘ && ‘ZZZZZ‘ failed】

遇到buildroot编译qt，configure时出错ERROR: Feature ‘xxxxx’ was enabled, but the pre-condition ‘YYYYY’ && ‘ZZZZZ’ failed!解决方法，在buildroot/package/qt5/qt5base/qt5/qt5base.mk中加上-recheck-all，然后重新编译make qt5base,根据编译log查看出错原因。

2024-08-08 09:17:46 1253

原创【RK3568 CPU GPU DDR NPU定频和性能模式设置】

以上3个CPU是独立控制，下面以设置CPU6-7为例说明如何设置CPU6-7的频率。默认是自动变频模式：simple_ondemand（恢复的话设置为该模式即可）默认是自动变频模式：simple_ondemand（恢复的话设置为该模式即可）默认是自动变频模式：dmc_ondemand（恢复的话设置为该模式即可）默认是自动变频模式：schedutil（恢复的话设置为该模式即可）设置手动定频模式：userspace。设置手动定频模式：userspace。设置手动定频模式：userspace。

2024-08-08 09:17:19 1457

原创【Exception during working with external system: java.lang.AssertionError】

意思是 lombok 这个 jar 在电脑上没有缓存，需要去远程仓库下载，但是你的 IDEA 开启了 offline 模式，无法下载远程仓库的 jar。我按照下面步骤禁用 offline 模式（保持下面红框的按钮没有灰色的背景色）之后，再次尝试就发现可以了。窗口的小扳手左边的那个按钮，鼠标放上去显示“Toggle Offline Mode”，取消选中就是禁用Offline Mode。点击左边的第一行，然后右侧会显示全部的信息，然后自己根据具体的错误分析具体的原因即可。点击gradle setting。

2024-08-07 10:50:34 640

原创【ADB安装及使用详解】

adb shell：登录设备 shell，该命令将登录设备的shell（内核），登录shell后，可以使用 cd，ls，rm。adb push ：把本地(pc机)的文件或文件夹复制到设备(手机)adb kill-server：杀死当前adb服务，如果连不上设备时，杀掉重启。adb devices：查看当前连接的设备，已连接的设备会显示出来。adb get-serialno：获取设备的序列号（设备号）adb help：帮助信息，查看adb所支持的所有命令。

2024-08-07 10:37:33 2752

原创【TypeError: Descriptors cannot not be created directly.】

设置PROTOCOL_BUPFERS_PYTHON_iMPLEMENTATION=PYTHON（但这将使用纯PYTHON解析，速度会慢很多，更多信息：https://developers.google.com/protocolbuffers/docs/news/2022-05-06#python更新（桨板）F:\pycharm\pycharm社区版2022.1.4\bin\PidleOCR-release-2.6\PPOCRabe1>小伙伴按下面的代码安装指定版本即可！类型错误:无法直接创建描述符。

2024-08-05 16:02:41 277

原创【Qt报错：error: no matching function for call to ‘MainWindow::connect(QAction&, void (QAction::)】

原因是第一个链接说缺lopencv_imgproc库，第二个链接说提示我可能是没有加载库文件。2.代码的头文件引用有问题，经过查找发现OpenCV 3.x版本和OpenCV 2.x版本的头文件的位置不同，后面又分别尝试加下面的。所以的我理解是imgproc是在名为opencv2的目录下。我在代码中加入头文件 #include "opencv2/imgproc.hpp"后问题得以解决。实际只要添加-lopencv_imgproc就行，CV_BGR2RGB变量存储在该库中。但是错了，我改成了下面的样子。

2024-08-05 16:02:24 460

原创【QT报错opencv的undefined reference to `cv::VideoCapture::VideoCapture()‘，fatal error: opencv2/dnn/dnn.】

ubuntu下找不到VideoCapture类，原因是没有将libopencv_videoio.so连接进来，对于 VideoCapture 类，至少需要链接到 opencv_core、opencv_imgproc 和 opencv_videoio 库。#include这个错误提示是因为找不到OpenCV的dnn模块，可以尝试安装OpenCV并重新编译代码。在make的时候报错opencv2/dnn/dnn.hpp:没有那个文件或目录。1.安装OpenCV。

2024-08-02 10:51:57 630

原创 [ubuntu系统使用qt编写简单打开摄像头的程序文件]

这里我使用的是opencv4.5.4版本，opencv3.x版本缺少很多深度学习的hpp，cpp，可能会报错，以及pro文件的地址一定要正确。

2024-08-02 10:51:34 356

原创【Ubuntu系统Qt下使用OpenCV打开摄像头并把图像显示到QLabel上】

当编译代码时遇到undefined reference to cv::VideoCapture::VideoCapture()的错误信息时，我们需要检查OpenCV的安装、编译命令和库文件路径等方面。其中，VideoCapture是一个用于从摄像头或视频文件中读取帧的类。此命令中，-o参数用于指定输出文件的名称，program.cpp是待编译的源代码文件，而pkg-config --libs opencv用于获取OpenCV的库文件名并链接。

2024-07-31 14:42:23 1188

原创【已解决：attributeerror: ‘FreeTypeFont‘ object has no attribute ‘getsize‘】

在utils/plots.py文件的第91行左右，找到 w, h = self.font.getsize(label) 这行代码，替换成 x, y, w, h = self.font.getbbox(label) 即可完美解决。将Pillow 降级到9.5后，就会产生第二个问题：旧版本的Pillow（9.5.0）与另一个已安装的库（psd-tools 1.9.34）不兼容。这是因为安装了新版本的 Pillow (10)删除了该getsize 功能。，降级到 Pillow 9.5 解决了该问题。

2024-07-31 14:42:01 2373

原创【jetson nano 无网络版本；离线安装 JDK及PyCharm】

到 https://www.oracle.com/java/technologies/javase/jdk17-archive-downloads.html 下载操作系统对应架构JDK版本，Ubuntu用户可选择 Debian Package 或 Compressed Archive ，此处我选择 Compressed Archieve。上面的命令将jdk-17.0.7_linux-x64_bin.tar.gz提取到一个名为 jdk-17.0.7 的目录中。可以将jdk目录移动到你想要安装到位置。

2024-07-30 16:28:40 845

原创【windows：‘nvidia-smi‘ 不是内部或外部命令；Ubuntu:NVIDIA-SMI has failed because it couldn‘t communicate with】

1、NVIDIA驱动的默认安装路径是在：C:\Program Files\NVIDIA Corporation\NVSMI，将该路径添加到系统的环境变量中的Path中，再一路确定即可。点击->此电脑->管理->设备管理器->往下拉有一个显示适配器->然后我发现上面有一个黄色感叹号->下载安装了最新的驱动，选择的第一个->然后再次输入nvidia-smi就好了。2、重新打开cmd窗口，输入nvidia-smi进行测试，成功显示即可，可以本机电脑的CUDA版本号。第一步，使用nvcc -V检查驱动和cuda。

2024-07-30 16:28:22 3641

原创【windows11禁止自动更新(重启自动更新)】

如果是要关闭更新就点击关闭更新，要开启就点击开启更新，然后关闭，在界面刷新一下，是在不行，先关机，再开机，然后设置上面的更新就没有更新提示了。鼠标点击我的电脑点管理，然后就打开了计算机管理，将Windows Update改成禁用，然后确定，重启。

2024-07-29 17:02:08 1385

原创【Executing task: C/C++: g++ 生成活动文件＜无法生成和调试，因为活动文件不是 C 或 C++ 源文件。终端进程启动失败(退出代码: -1)。终端将被任务重用】

在 tasks.json 构建脚本中 , 指定 C/C++ 文件路径的是 "tasks 下的 “args” 路径 ,使用 Ctrl + Shift + B 快捷键 , 即可完成编译操作;生成的可执行文件在 .vscode 目录下 , 名称是 task;{workspaceFolder}/*.cpp” 参数;使用 ./task 命令 , 执行该 task 可执行文件。在 VSCode 中 , 创建 cpp 源码。生成了 tasks.json 构建脚本;

2024-07-29 17:01:52 1100

原创 [opencv调用yolov5的onnx模型的常见bug]

项目场景：在vs/QT中利用opencv调用onnx模型问题描述将pt文件转为onnx文件后，利用opencv中的dnn模块去调用出现的问题原因分析：1：torch版本的问题楼主之前在使用torch1.18版本时，利用之前的代码转换成功后，opencv能直接调用。但是更新版本后，再重复之前的操作，就会发现出bug了。具体bug如下解决方案：在官网中下载最新的export项目文件，亲测可以成功。另外由于opencv版本不同，导出onnx文件版本号要与opencv对应。

2024-07-26 09:54:24 570

原创【Qt 报错: Extra characters after test expression以及opencv调用Onnx模型】

报错英文翻译为：测试表达式后的额外字符问题出现主要是合并项目代码后，导致pro文件解决冲突出现问题，在文件pro某个设置参数配置中我的问题出现如下我的是在第一行xxxx.h 后面没有 \ 符号，导致编译qmake时出现这个问题，后面添加这个\ 在qmake下就可以了或者多一个额外的符号同样会出现问题，我们只需要把每行的代码多出或少出的额外字符去掉就可以了。

2024-07-26 09:54:09 974

原创【新手小白的Clion的下载安装配置使用问题】

下载完解压到喜欢的路径，然后将“opencv路径\x64\mingw\bin”添加到系统的环境变量，再将“opencv路径\x64\mingw\lib”下所有的".dll.a"压缩文件放入到“C:\Windows\SysWOW64”目录下（64位）， 32位是“C:\Windows\System32”。由File----->进入Settings设置----->Editor----->FileEncodings。新建之后等一会儿，等右下角的进度条完成后，即可编写你的代码，右上角绿色箭头执行。

2024-07-25 13:59:40 1191

原创 [ubuntu报错记录：CMAKE_AR-NOTFOUND；cannot execute binary file；sh执行脚本报错Syntax error: “(“ unexpected]

-------------------------------------------------------第二种--------------------------------------------------------------------------------------------------------------------------------第一种-----------------------------------------------------------

2024-07-25 13:59:19 952

原创【ubuntu更新驱动后联不上网】

重启进入引导菜单，选择 ubuntu 高级选项，发现 5.4.0-154 紧邻着的下面的5.4.0-152 的版本，这应该是上一个版本。在「软件和更新」的「附加驱动」里面，更新了显卡驱动，重启后不仅 nvidia-smi 没反应，而且 wifi 图标也没了。搜了很多，都是network-manager的命令，ubuntu会提示没有这个服务，原因是服务名称错误，解决方案如下。完成上面的步骤后，重启，进入 5.4.0-154 的内核（直接选择ubuntu），可以联网了！二、解决连不上网的问题。

2024-07-24 14:42:55 2420

原创【Warning: Ignoring XDG_SESSION_TYPE=wayland on Gnome. Use QT_QPA_PLATFORM=wayland to run on Wayland】

运行Qt程序是出现警告提示“Warning: Ignoring XDG_SESSION_TYPE=wayland on Gnome. Use QT_QPA_PLATFORM=wayland to run on Wayland anyway.”，虽然并不影响程序的运行和显示，但是看着碍眼啊，于是上网搜索了一下解决办法，记录一下。具体来说，它表明系统检测到你的会话环境（XDG_SESSION_TYPE）是 Wayland，但是 Qt 程序在该环境下可能默认使用的不是 Wayland 的平台。

2024-07-24 14:42:39 1933

原创【PyCUDA安装问题集锦：网站失效】

或者检索到包名后，由于网络问题，右侧出现“No information available”信息导致无法安装成功。在方框中加入新的镜像：https://mirrors.aliyun.com/pypi/simple/就可以了。清华源 : https://pypi.tuna.tsinghua.edu.cn/simple。阿里源 : http://mirrors.aliyun.com/pypi/simple/官网的只有一个版本，没办法只能用官网版。点击OK，就可以正常下载我们所需要的包了！

2024-06-22 20:23:01 1877 2

原创【炼丹术革新：PyTorch中的高效模型优化策略】

首先是模型，作者采用 DistilBERT 模型进行研究，它是 BERT 的精简版，与 BERT 相比规模缩小了 40%，但性能几乎没有损失。最近，知名机器学习与 AI 研究者 Sebastian Raschka 的方法在不影响模型准确率的情况下，仅仅通过改变几行代码，将 BERT 优化时间从 22.63 分钟缩减到 3.15 分钟，训练速度足足提升了 7 倍。作者更是表示，如果你有 8 个 GPU 可用，整个训练过程只需要 2 分钟，实现 11.5 倍的性能加速。

2024-06-22 19:47:57 675

原创【深度学习核心：经典BackBone网络在PyTorch中的现代演绎】

卷积神经网络的发展，从上个世纪就已经开始了，让时间回到1998年，在当时，Yann LeCun 教授提出了一种较为成熟的卷积神经网络架构LeNet-5，现在被誉为卷积神经网络的“HelloWorld”，但由于当时计算机算力的局限性以及支持向量机(核学习方法)的兴起，CNN方法并不是当时学术界认可的主流方法。

2024-06-22 19:37:00 670

原创【极速上手pytorch转onnx及推理】

可以在 https://netron.app/ 中拖入 resnet18.onnx 文件查看模型结构。我们先导入torchvision中的resnet18模型，演示它的推理效果。本文介绍将pytorch模型转换成onnx模型并进行推理的方法。下面的代码包括了设置输入输出尺寸，以及动态可以变batch等等。以便和onnx的结果进行对比。

2024-06-21 21:09:27 572

原创【环境变量问题：计算机删除环境变量的恢复方法；此环境变量太大。此对话框允许将值设置为最长2047个字符】

在系统变量中新建一个变量名为PREVIOUS_PATH，变量值设置为要重新设置的所有路径，路径与路径之间用“；无论使用图形界面还是cmd命令行修改系统Path，都是立即同步到注册表文件的，所以，没有备份注册表也不用看了。如果你在修改系统Path前打开了以上任意IDE，无论你怎么修改环境Path都不会生效，必须重启IDE才能生效。被修改的系统Path只是同步到了注册表中，并未立即生效，所以可以使用cmd命令行重新得到系统Path。复制该系统Path值重新修改系统Path即可。图形化界面修改系统Path。

2024-06-21 19:56:03 2688

原创【batch size设置技巧超越玄学：揭秘Batch Size设置的科学与艺术】

为了解不同的批大小如何影响实践中的训练，我运行了一个简单的基准测试，在 CIFAR-10 上训练 MobileNetV3 模型 10 个 epoch—— 图像大小调整为 224×224 以达到适当的 GPU 利用率。如果我们使用带有 Tensor Cores 的 GPU，例如英伟达 V100，当矩阵维度 (M、N 和 K）与 16 字节的倍数对齐（根据 Nvidia 的本指南）后，在 FP16 混合精度训练的情况下，8 的倍数对于效率来说是最佳的。或者换句话说，我们选择批大小为 2 以获得更好的内存对齐。

2024-06-19 17:49:27 1658

原创【超越拟合：深度学习中的过拟合与欠拟合应对策略】

迁移学习不是手动设计不同的过拟合和欠拟合技术，而是使你能够在与你的问题空间类似的问题空间中采用已经工作的模型（例如来自 paperwithcode.com/sota 或 Hugging Face 的模型）并将其应用到你自己的数据集。例如，假设模型的损失在过去 10 个 epoch 内已停止减少（该数字是任意的），你可能希望在此处停止模型训练并使用损失最低的模型权重（之前的 10 个 epoch）。如果你的模型拟合不足，它可能没有足够的能力来学习预测所需的数据模式/权重/表示。距离越近，脚步就越小。

2024-06-19 17:06:23 808

空空如也

空空如也