夜风里唱的专栏

原创 如何处理C++工程中的C风格代码

2. 避免使用printf(),sprintf(), gets()等1. printf()该函数需要一系列无类型参数，是类型不安全的3. 使用标准库的容器代替C风格的数组C的写法：int array[5] = {1,2,3,4,5};缺点：1. C数组在程序中只能作为指向首元素的指针被传递，由于是指针，存在不安全性问题2. C数组及其大小没法形成一个聚合的单元，传递数组时没法知道知道其大小C++的写法：std::array<int, 5> array{1,2.

原创 嵌入式开发（二）：开发板配置（自用）

1. IP地址修改vi /etc/init.d/S92_norco2. 用户名root, 密码空3. samba安装与配置（下面xxx为用户名，根据实际而定）（1）安装sambasudo apt-get install samba samba-common（2）创建一个共享目录：mkdir /home/xxx/work（3）设置权限chmod 777/home/xxx/work（4）添加samba用户名sudo smbpasswd -a xxx（5）配置sambas.

原创 关于fopen与fwrite的追加模式澄清

C函数fopen中可对打开的文件设置多种读写模式，需要说明下fwrite的追加模式是怎么回事，网上很多文章都说的不清不楚，只说a是追加，w不能追加，其实很多误解，这里需要澄清：w：表示fopen文件时会清空掉原文件（如果存在）的信息，并重新写入，在不fclose文件的情况下，多次fwrite也是追加写入到文件末尾的，不会覆盖之前fwrite的内容。a：表示fopen文件时会保留原文件（如果存在）的信息，并追加到末尾写入，每次fwrite写入到文件末尾。其他说明：w: 文本写入，只写w+：可读可写.

原创 嵌入式开发（三）：海思Hi3559a交叉编译live555

网上很多关于交叉编译live555的教程，但是live555是经常更新的，按照之前的教程来，没法编译成功，live555版本：2020年7月10日下载的latest版本：live555-latest.tar.gz1. 注意这个版本使用到openssl，因此需要提前安装openssl， 我这里安装到目录/usr/include下2. 安装openssl后，将openssl/lib下的.a .so文件拷贝至/opt/hisi-linux/x86-arm/aarch64-himix100-linux/

原创 Windows16K 8k限制

Windows桌面最大16K（1024x16）的限制是指：显卡组成单一逻辑屏后，一张显卡的水平（或垂直）分辨率不能超过16K。并不是指桌面总分辨率不能超过16K。因此可以用2张显卡的方式（每张显卡不超过16K），组成一个超过16K的桌面。另外一个16K的限制就是：上任何信号，包括高分图，Vlink虚屏，信号源的水平或垂直分辨率不能超过16K。以上16K的限制不限操作系统，包括Win7, Win8, Win10还有一个8K（16x2014）的...

原创 Python处理二进制流（二）

将生成stuct字串封装为一个函数data2Struct，废话不多数，如下：import structimport numpy as npimport cv2def str2St(bStr): return str( len(bStr)) + 's'def data2Struct(*args): st = '' list = [] a = args[0][0] b = args[0][1] for i in range(len(args)):

原创 Python处理二进制流（一）

使用struct来处理，废话不说，直接上代码import structimport numpy as npimport cv2def str2St(bStr): return str(len(bStr)) + 's'name = 'picture.jpg'name_bin = name.encode('utf-8') #转二进制img = cv2.imread(name) #ndarray类型，按bgr顺序排序,uint8类型img_bin = img.tostring() #

原创 ASCII, Unicode，UTF8, GBK字符编码解析

UTF:Unicode Transformation Format，通用转换格式 单个字符的字节数 英文字节数 汉字字节数 ASCII 1 1 -- Unicode 可变，2个或以上 2 2 Unicode定义了符号编码，但没有定义怎么存储 UTF8 可变，1至4...

原创 face_recognition的坑

网上很多关于face_recognition的使用介绍，但好像没多少篇文章深入研究过这个库的API的使用，这个库有几个坑：1.compare_faces这个接口返回一个True或False的列表，但比对的known_face_encodings是有多个的话，会返回多个True，这个接口是没法知道哪个才是最匹配的，要知道哪个最匹配，得用face_distance这个接口2. 当要识别的人，不在known_face_encodings里面的时候，compare_faces和known_face_en.

原创 C/C++与Python通信方式浅析

在一项目中需要C/C++与Python之间做交互，C/C++为网络层，Python为数据计算处理层，有多种方式可选：1. C/C++里调用Python脚本函数优点：实现起来最简单，稳定，可靠缺点：迁移运行环境后，需要安装重新部署Python脚本的Python运行环境，非常麻烦，这在终端型软件（运行于客户电脑）来说，完全不可接受由于我要做的软件需要运行于客户电脑，不可能还要配置客户电脑的Python运行环境，因此以上方式放弃。2. 将Python打包成独立进程，C/C++于Python实现进程

原创 VS2015源代码中文编码问题

VS2015中文版对文件的默认编码格式为 GB2312中文系统中控制台的的默认编码格式为GBK（包含及兼容GB2312）因此在VS2015中文版的cpp文件中输出printf("中文")在控制台输出中不会乱码，但如果cpp文件是以utf-8编码格式编辑并保存的，编译生成后，在控制台中输出会乱码，如下所示：...

原创 管理者读书笔记之陈春花《管理的常识》

第1章 什么是管理管理资源最重要的是人力资源和财力资源。管理就是让一线员工得到并可以使用资源（人力和财力资源）（p.7）管理所要做的就是让人没有机会犯错（p.10） 从经济学的角度，认识自私和贪婪的；从行为学的角度，认识懒惰的。管理就是分配权力、责任和利益，必须把权力、责任和利益等分，成为一个等分三角形。泰勒在《科学管理原理》一书中，清晰地阐述力获得劳动生产率最大话的四条原理： 科学...

原创 管理者读书笔记之《无印良品管理笔记》

1. 如何培养领导者必备的指派工作到能力？光凭一句“这个工作就交给你啦”便让部下随心所欲地发挥，这样存粹是撒手不管，放任而已，这里存在一个巨大的陷阱。 所谓到指派工作，并不是把工作分配给部下，而是必须领导部下成功完成工作。因此，当总工作的成果完全掌握在部下手中时，代表主管是一个失职的领导者。 指派工作最重要到就是传达方式。在指派工作到时候，一定要在一开始就明确告知部下三件事： 那项工作到...

原创 QT disconnect

disconnect() 等同于disconnect(this, 0, 0, 0), 删除作为信号的this与任何槽的关联disconnect(receiver) 等同于disconnect(this, 0, receiver, 0)， 删除this与作为槽的receiver的关联object->disconnect() 即object->disconnect(object-&gt...

原创 海思NNIE开发（一）：海思Hi3559AV100/Hi3519AV100 NNIE深度学习模块开发与调试记录

海思NNIE开发系列文章：海思NNIE开发（一）：海思Hi3559AV100/Hi3519AV100 NNIE深度学习模块开发与调试记录海思NNIE开发（二）：FasterRCNN在海思NNIE平台上的执行流程（一）海思NNIE开发（三）：FasterRCNN在海思NNIE平台上的执行流程（二）海思NNIE开发（四）:NNIE模块读入JPEG图片或视频海思NNIE开发（五）：基...

原创 boost asio用法总结（自用）

参考文章https://mmoaay.gitbooks.io/boost-asio-cpp-network-programming-chinese/content/Chapter1.html1. 头文件目录L:\boost_1_53_02.头文件#include <boost/asio.hpp>#include <boost/thread.hpp&g...

原创 GIT操作：虚拟机Ubuntu下使用git clone公司域代码

1. 虚拟机通过桥接方式连接到主机，确保Ubuntu有独立的公司域IP地址2. 将winddows下的id_rsa文件拷贝到虚拟机下的~/.shh目录chmod 700 ~/.schmod 700 ~/.ssh/id_rsa...

原创 5G产业（二）：5G的应用场景8成用于工业互联网

5G的主要应用场景是工业互联网（即物联网），而非普通消费者。（1）4G已满足我们手机用户的绝大多数需求5G的三大特性：高网速，低延时，大连接。目前4G已满足我们手机用户的绝大多数需求，可能有需求的是年轻人玩手游的用户，对于网速和延时有较高要求，但目前使用4G也是足够的。目前使用4G看网络视频，例如抖音和直播，基本都是马上就可以看，不需要等待。所以从高网速和低延时的角度（5G的低延时是指移动终...

原创 5G产业（一）：5G超低延时噱头？

1. 5G与4G的技术对比5G技术是对4G技术的一次全面革新，在速率、连接数、时延三方面有巨大的改善。如下表格：5G与4G的技术对比（理想值） 速率 时延 连接数 （每平方公里的最大连接数） 移动性 4G 100Mbps（12.5MB/s） 30-50ms 1万 350KM/h 5G 10Gbps（...

原创 视频编解码（三）YUV420，YUV420p，I420，YV12等格式解析

YUV444：Y,U,V三个分量是4:4:4，也就是1:1:1的关系YUV422：Y,U,V三个分量是4:2:2的关系，在水平方向上，每两个Y分量共用1个U，V分量YUV420：Y,U,V三个分量是4:1:1的关系，每四个Y分量共用1个U，V分量如下图所示：YUV420根据UV分量在计算机中存储的顺序不同????️可分为YUV420p与YUVspYUV420p（即I420）：先存放U，再存放V...

原创 深度学习（六）：Ubuntu下Darknet yolov3运行速度比较

DarkNet+Yolov3: https://pjreddie.com/darknet/yolo/测试系统平台：操作系统 Ubuntu 16.04 64bit CPU Intel(R) Xeon(R) CPU E5-1620 v2 @ 3.70GHz 4核心 内存 8GB 显卡 Nvidia Quadro P4000， 8GB显存，256bit ...

原创 深度学习（五）：Ubuntu下Caffe-RRPN模型环境搭建与运行

1. Ubuntu下的Caffe环境配置按照以下两篇博文来安装博文1：Ubuntu16.04 Caffe 安装步骤记录（很详尽！）博文2：Ubuntu16.04 Caffe 安装步骤记录（超详尽）两篇博文的主要区别是前者增加了安装显卡驱动的步骤，而后者增加了安装pycaffe的步骤，本文的安装步骤集合了两者，即安装显卡驱动及pycaffe。安装期间还出现了其他以上两篇博文没有的问题，如...

原创 Python学习（一）：pip 命令汇总

Linux下pip的安装：sudo apt-get install python-pip常用pip命令 命令 解释 pip list 查看当前已安装的python包及其版本 pip install --user xxx 避免安装xxx时无法写入某些路径 pip install --upgrade xxx 升级某个xxx python包，可以使用通过使...

原创 常用Linux命令汇总

1. 文件、目录操作绝对路径：是以根目录(” / “)为起点的完整路径相对路径：是你当前的目录(” . “)为起点的路径~代表你的/home/用户名目录，假设你的用户名是x，那么~/就是/home/x/代表根目录-代表上一次的目录..代表当前目录的上一层目录回到上一层目录：cd ..回到根目录：cd /切换到上一次的目录 ：cd -查看文件属性：stat sample_nnie_ma...

原创 Web开发：Cef3流程架构图

原创 视频编解码（二）：海思VDEC模块视频解码代码解析

这里主要讲解海思sample\common\sample_comm_vdec.c文件中SAMPLE_COMM_VDEC_SendStream函数的代码。SAMPLE_COMM_VDEC_SendStream是一个线程。代码段1：//cStreamFile为视频文件完整路径 snprintf(cStreamFile, sizeof(cStreamFile), "%s/%s", ...

原创 Windows 虚拟内存理解

这篇文章写于2015年，之前仅作为私人文档，现在公开如下。1. 问题Windows 32位系统中，虚拟内存地址空间可以达到4GB，且每个进程都可独享虚拟内存，其中内核代码可以访问整个4GB虚拟地址空间，用户态只能访问2GB虚拟地址。问题：如果一个台PC中，内存很小，例如只有1GB，如果有多个用户进程都想访问到2GB内存空间，即多个进程想访问的内存空间的总和远超过1GB的内存空间，这如何...

原创 视频编解码（一）：ffmpeg编码H.264帧类型判断

本文主要讲述ffmpeg编码过程中是如何设置I帧，B帧及P帧的，以及如何通过代码判断帧类型。之前看过很多网上的文章，讲述如何判断I帧，B帧，P帧，然而都是停留在H.264官方文档中的定义，如果不结合ffmpeg，就仿佛纸上谈兵，有点不切实际，而且很多文章将I帧与I Slice混为一谈，将I Slice当做I帧，这其实是错的。本文就结合ffmpeg讲解ffmpeg中是如何编码各种帧类型的，并纠正...

原创 海思NNIE开发（五）：基于Hi3559AV100的FasterRCNN、RFCN、SSD、Yolov2、Yolov3性能综合测评

系列文章海思NNIE开发（一）：海思Hi3559AV100/Hi3519AV100 NNIE深度学习模块开发与调试记录海思NNIE开发（二）：FasterRCNN在海思NNIE平台上的执行流程（一）海思NNIE开发（三）：FasterRCNN在海思NNIE平台上的执行流程（二）海思NNIE开发（四）:NNIE模块读入JPEG图片或视频海思NNIE开发（五）：基于Hi3559AV...

原创 海思NNIE开发（四）:NNIE模块读入JPEG图片或视频

系列文章海思NNIE开发（一）：海思Hi3559AV100/Hi3519AV100 NNIE深度学习模块开发与调试记录海思NNIE开发（二）：FasterRCNN在海思NNIE平台上的执行流程（一）海思NNIE开发（三）：FasterRCNN在海思NNIE平台上的执行流程（二）海思NNIE开发（四）:NNIE模块读入JPEG图片或视频海思NNIE开发（五）：基于Hi3559AV...

原创 深度学习（四）：目标检测网络模型数据输入层是如何做图片分辨率缩放的

在卷积神经网络中往往需要对输入图像做缩放，那么是怎么做做缩放的，是直接长宽都缩放到目标长宽，还是按照某种的比例来做呢？以FasterRCNN的Caffe版本（https://github.com/rbgirshick/py-faster-rcnn）为例，其缩放方式如下：例如：这个步骤无论是训练阶段还是推理阶段都采用。在config.py文件中中定义了目标分辨率大小，即短边的...

原创 设计模式（一）：6大设计原则

1. 单一职责原则规则应用：类与接口的功能、职责应该单一，不要将过多的功能与职责都写在一个类、一个方法里。2. 里氏替换原则解释：父类能出现的地方子类就可以出现，而且替换为子类也不会产生任何错误或异常，使用者可能根本就不需要知道是父类还是子类。但是反过来就不行了，有子类出现的地方，父类未必就能适应。（1）子类必须完全实现父类的方法即父类的方法的功能，子类都应该有。不能出现...

原创 海思NNIE开发（三）：FasterRCNN在海思NNIE平台上的执行流程（二）

系列文章海思NNIE开发（一）：海思Hi3559AV100/Hi3519AV100 NNIE深度学习模块开发与调试记录海思NNIE开发（二）：FasterRCNN在海思NNIE平台上的执行流程（一）海思NNIE开发（三）：FasterRCNN在海思NNIE平台上的执行流程（二）海思NNIE开发（四）:NNIE模块读入JPEG图片或视频海思NNIE开发（五）：基于Hi355...

原创 海思NNIE开发（二）：FasterRCNN在海思NNIE平台上的执行流程（一）

海思NNIE开发系列文章：海思NNIE开发（一）：海思Hi3559AV100/Hi3519AV100 NNIE深度学习模块开发与调试记录海思NNIE开发（二）：FasterRCNN在海思NNIE平台上的执行流程（一）海思NNIE开发（三）：FasterRCNN在海思NNIE平台上的执行流程（二）海思NNIE开发（四）:NNIE模块读入JPEG图片或视频海思NNIE开发（五...

原创 嵌入式开发（一）：嵌入式开发新手入门

本篇文章整理下嵌入式开发中一些入门的基础技能，都是根据以往的工程经验整理，适用于之前没做过嵌入式开发的新手。嵌入式开发流程一般如下，一般是在PC机的Windows系统下安装Ubuntu虚拟机，搭建嵌入式开发环境及交叉编译环境，开发完成后，编译得到bin文件，然后在Windows下将bin文件通过串口或网络下发到嵌入式板卡，程序在嵌入式板卡上运行。1. RS232串口接孔图解串...

原创 深度学习（三）：卷积神经网络经典模型图示

以下神经网络模型图示均为本人学习过程中用PPT画的流程框图。1. LeNet(Y.Lecun,1998)模型2. AlexNet(Alex.K, 2012)模型3. VGGNet16\VGGNet19模型4. GoogleNet Inception模型Inception5. FasterRCNN目标检测模型6. SSD目标检测模...

原创 Caffe学习（十）：Caffe中Solver、Net、Layer、Blob的构建流程

以训练流程的构建为例：首先在caffe.cpp的train()中调用caffe::SolverRegistry<float>::CreateSolver(solver_param)： shared_ptr<caffe::Solver<float> > solver(caffe::SolverRegistry<float>::C...

原创 深度学习（二）：深度学习与神经网络学习笔记（手记）

下面的照片顺序可能与当时学习记录的顺序不一致。1. 感知机模型，CNN模型的前身:2. sigmoid激活函数：3. 神经网络的前向传播与反向传播计算过程例子：4. 神经网络的前向传播与反向传播计算过程例子（续）：5. Relu、Softmax, Sigmod激活函数，mnist 、cifar10 CNN模型，以及Keras开发平台模型类型：6. Batc...

原创 Caffe学习（九）：Caffe源码函数调用关系图

原创 Caffe学习（八）：Windows下编译及调试Debug版Caffe

Caffe 版本：https://github.com/Microsoft/caffe前期Caffe安装及Release版编译步骤参考：https://blog.csdn.net/AManFromEarth/article/details/80212554https://blog.csdn.net/zh8706/article/details/945534211. 检查工程所缺依赖...