<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[In_moon_shadow的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/In_moon_shadow</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; In_moon_shadow]]></copyright><item><title><![CDATA[视觉学习篇——模型推理部署：从“炼丹”到“上桌”]]></title><link>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154952495</link><guid>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154952495</guid><author>In_moon_shadow</author><pubDate>Mon, 17 Nov 2025 19:29:23 +0800</pubDate><description><![CDATA[在看这篇文章之前，我默认你已经跑通了训练代码，手里有一个.pt或.pth的模型权重文件，正摩拳擦掌地想把它用起来。训练只是长征第一步，部署才是真正的战场！你以为训练完就结束了？为什么部署比训练难得多？训练环境和生产环境根本就是两个世界！维度训练环境生产环境硬件8xGPU服务器可能只有CPU，甚至手机NPU延迟几百ms也能忍必须<30ms，否则用户体验炸裂吞吐量一个一个来高并发，每秒处理成百上千请求功耗插着电，随便造手机要省电，嵌入式设备功耗敏感稳定性崩了就重启7x24小时不能挂。]]></description><category></category></item><item><title><![CDATA[视觉学习篇——认识深度学习框架]]></title><link>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154952120</link><guid>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154952120</guid><author>In_moon_shadow</author><pubDate>Mon, 17 Nov 2025 17:04:27 +0800</pubDate><description><![CDATA[本文探讨了深度学习框架的发展与应用。文章首先以生动类比说明框架的必要性，指出其提供的自动微分、GPU加速等功能让研究者从底层实现中解放。随后梳理了框架发展史：从早期手工编码（2012前）、Caffe主导（2013-2015），到PyTorch与TensorFlow双雄争霸（2015-2018），再到JAX等新势力崛起（2020后）。重点对比了主流框架的优劣：PyTorch以灵活调试见长，TensorFlow强在工业部署，JAX凭借函数式编程崭露头角，PaddlePaddle则在中文生态独具优势，Darkne]]></description><category></category></item><item><title><![CDATA[视觉进阶篇——二维码快速识别解码：多方案实现代码（Python与C++）]]></title><link>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154916748</link><guid>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154916748</guid><author>In_moon_shadow</author><pubDate>Sun, 16 Nov 2025 23:32:54 +0800</pubDate><description><![CDATA[随着二维码越来越普及，很多竞赛中的子任务都出现了需要快速识别二维码的要求，有些是单纯使用二维码对应某一种类别信息，有的是将信息写入二维码，你需要进行解码获取二维码蕴含的信息从而做出决策和判断。学长这里从原理讲到不同方案的快速解码技术，单纯的二维码识别也可以当做一个目标检测去做。图像采集：通过摄像头捕获包含二维码的图像预处理：增强图像质量，提升识别成功率特征提取与定位：识别二维码位置和方向解码输出：解析二维码编码数据。]]></description><category></category></item><item><title><![CDATA[视觉进阶篇——YOLOv5环境配置与训练评估（很长，请耐心）]]></title><link>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154743146</link><guid>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154743146</guid><author>In_moon_shadow</author><pubDate>Sun, 16 Nov 2025 00:04:59 +0800</pubDate><description><![CDATA[从这篇开始我们正式进入基于深度学习的目标检测的领域。现在目标检测的模型非常之多，但是我还是喜欢让大家从yolov5学习，因为简单，并且容易去给大家讲解。从这章开始，将大家一起学习如何根据github上面的说明进行学习，以此抛转引玉，之后大家可以学着学习其他模型。
请注意，我并不带大家一点一点吃透yolov5网络模型，这是你自己下去该学习的。根据之前的学习相信你现在应该已经有了以下基础环境
忘记步骤的同学到墙边罚站去

我们可以在pycharm中看到yolov5的文件夹结构，这时我们找到.md文件，一般来说g]]></description><category></category></item><item><title><![CDATA[视觉进阶篇——模型训练常见问题]]></title><link>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154882412</link><guid>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154882412</guid><author>In_moon_shadow</author><pubDate>Sat, 15 Nov 2025 20:59:26 +0800</pubDate><description><![CDATA[本文系统分析了机器学习中的三大关键问题：过拟合、欠拟合和梯度消失/爆炸。过拟合表现为模型在训练数据上表现优异但在测试数据上性能显著下降，可通过正则化、Dropout、早停和数据增强等方法解决。欠拟合则是模型无法充分学习训练数据模式，需通过增加模型复杂度、改进特征工程和调整超参数来优化。梯度消失/爆炸问题源于深层网络的链式法则计算，可采用ReLU激活函数、批归一化和残差连接等技术缓解。这些解决方案从理论和实践层面为提升模型性能提供了系统指导。]]></description><category></category></item><item><title><![CDATA[视觉进阶篇——机器学习训练过程（手写数字识别，量大管饱需要耐心）]]></title><link>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154802452</link><guid>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154802452</guid><author>In_moon_shadow</author><pubDate>Sat, 15 Nov 2025 02:18:51 +0800</pubDate><description><![CDATA[很多同学对机器学习和深度学习训练的整体概念不清晰，实际上任意一个模型的训练都会经历共同的步骤。这篇文章以手写数字识别带你理解模型训练。手写数字识别是机器学习的“Hello World”，也是理解神经网络训练流程的最佳切入点。本文将从数据准备→模型构建→训练循环→评估预测，完整复现用三层全连接神经网络解决MNIST手写数字分类问题的过程。每一步都会解释“为什么这么做”，并附可运行的代码示例。MNIST是LeCun等人整理的手写数字数据集，包含：目标：训练一个模型，输入手写数字图片，输出对应的数字（多分类问题）]]></description><category></category></item><item><title><![CDATA[视觉学习篇——卷积与神经网络：从原理到应用（量大管饱）]]></title><link>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154802664</link><guid>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154802664</guid><author>In_moon_shadow</author><pubDate>Fri, 14 Nov 2025 21:19:53 +0800</pubDate><description><![CDATA[本文系统阐述了卷积运算的数学原理及其多领域应用。首先介绍了连续和离散卷积的严格数学定义与核心性质（交换律、结合律等），通过图像滤波示例直观展示了卷积操作。重点分析了卷积在信号处理（音频降噪、通信调制）和计算机视觉（边缘检测、图像处理）中的典型应用场景，并配合Python代码实现。最后深入解析了卷积神经网络（CNN）的三大特性：局部感知、权值共享和平移不变性，揭示了卷积作为深度学习&quot;视觉引擎&quot;的核心机制。文章构建了从数学基础到工程实践的完整知识体系，为理解卷积在各领域的应用提供了系统框架。]]></description><category></category></item><item><title><![CDATA[视觉进阶篇—— PyTorch 安装]]></title><link>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154796056</link><guid>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154796056</guid><author>In_moon_shadow</author><pubDate>Thu, 13 Nov 2025 20:50:36 +0800</pubDate><description><![CDATA[本文详细介绍了在Ubuntu系统上安装PyTorch的两种方式（Conda和Pip）。对于初学者推荐使用Conda安装，它能自动管理CUDA环境并实现版本隔离。文章分别讲解了CPU版和GPU版的安装方法，重点说明了Conda安装时常见问题的解决方案，如缺少MKL库等。同时对比了Pip安装的优缺点，指出其需要手动配置CUDA环境的局限性。最后强调了验证安装成功的关键步骤，确保GPU可被正确调用。全文提供了从环境检查到安装验证的完整流程，帮助读者避开常见安装陷阱。]]></description><category></category></item><item><title><![CDATA[视觉学习篇——机器学习模型评价指标]]></title><link>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154743268</link><guid>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154743268</guid><author>In_moon_shadow</author><pubDate>Thu, 13 Nov 2025 09:51:08 +0800</pubDate><description><![CDATA[机器学习模型评价指标指南 本文系统梳理了机器学习不同任务的评价指标体系，帮助开发者科学评估模型性能。分类任务中，重点分析了准确率的局限性，推荐使用F1-Score、AUC等更全面的指标；回归任务对比了MSE、MAE和R²的特点；目标检测强调mAP的核心地位；语义分割则关注mIoU和Dice系数。文章特别指出评价指标选择的四大黄金法则：任务导向、业务需求、多指标结合和陷阱规避。理解这些指标不仅能客观评估模型，更能为调优提供明确方向，是机器学习项目不可或缺的关键环节。]]></description><category></category></item><item><title><![CDATA[视觉学习篇——理清机器学习：分类、流程与技术家族的关系]]></title><link>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154744202</link><guid>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154744202</guid><author>In_moon_shadow</author><pubDate>Wed, 12 Nov 2025 17:47:53 +0800</pubDate><description><![CDATA[清晨打开手机，刷到感兴趣的新闻推荐；上班刷脸打卡，系统精准识别你的脸；电商APP弹出“你可能喜欢的商品”——这些习以为常的场景，背后都是机器学习在驱动。但你真的懂机器学习吗？它有哪些分支？和深度学习、强化学习是什么关系？如何用一套通用流程解决实际问题？本文将从基础定义切入，拆解机器学习的核心分类，梳理通用工作流程，并用“原理+示例”讲透技术家族的关系。即使你是刚入门的小白，也能建立完整的知识框架。业务目标：给新用户推送护肤品广告，提升转化率；]]></description><category></category></item><item><title><![CDATA[ROS1基础入门：从零搭建机器人通信系统（Python/C++）]]></title><link>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154194625</link><guid>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154194625</guid><author>In_moon_shadow</author><pubDate>Tue, 11 Nov 2025 22:11:16 +0800</pubDate><description><![CDATA[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。ROS（Robot Operating System）是机器人领域的“瑞士军刀”，通过分布式节点通信和模块化设计，解决了机器人软件开发中的复杂性问题。本文将从工作空间搭建开始，手把手带你实现话题发布/订阅服务请求/响应和参数服务器配置，并提供完整的Python/C++代码示例与调试技巧。话题：适合传感器数据流（如激光雷达、摄像头）。服务：适合需要即时反馈的操作（如导航目标设定）。]]></description><category></category></item><item><title><![CDATA[实验室入门——因安装Ubuntu系统误删Windows 11系统的windows11系统安装方法（含因RST无法扫描到硬盘的解决办法）]]></title><link>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154400941</link><guid>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154400941</guid><author>In_moon_shadow</author><pubDate>Tue, 04 Nov 2025 17:53:33 +0800</pubDate><description><![CDATA[本文介绍了解决Windows 11/10安装过程中因RST VMD模式导致硬盘无法识别的问题。主要内容包括：1) RST VMD技术原理及其导致的安装程序&quot;罢工&quot;原因；2) 详细安装步骤，包括制作多系统U盘和下载系统镜像；3) 关键解决方案——在PE环境下手动加载英特尔RST VMD驱动；4) 后续使用建议。文章不仅提供具体操作指南，还深入解析了技术背景，帮助用户理解问题本质并掌握解决方法。通过这种方法，既解决了安装问题，又能保留RST的高级功能。]]></description><category></category></item><item><title><![CDATA[视觉学习篇——OpenCV实战：用HSV实现颜色识别（从原理到调节器+代码）]]></title><link>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154191439</link><guid>https://blog.youkuaiyun.com/In_moon_shadow/article/details/154191439</guid><author>In_moon_shadow</author><pubDate>Fri, 31 Oct 2025 17:04:52 +0800</pubDate><description><![CDATA[大家好久不见~，出走一个星期归来继续写博客了。在计算机视觉中，颜色识别是最基础却最核心的任务之一（比如垃圾分类、物体追踪、工业分拣）。相比RGB模型，更适合颜色处理——它将颜色分解为“色调、饱和度、明度”三个感知维度，能大幅降低光照变化的影响。对于初学者来说，颜色识别是一个很好的实战任务，这里我会给出一个使用的颜色调节器和实战代码，最后仍然会给到真正应用起来的c++代码。本文通过HSV颜色调节器帮你直观理解HSV模型，再通过颜色识别代码教你如何用OpenCV实现实时颜色检测。]]></description><category></category></item><item><title><![CDATA[实验室入门——ubuntu20.04安装ros和ros2全流程]]></title><link>https://blog.youkuaiyun.com/In_moon_shadow/article/details/153737498</link><guid>https://blog.youkuaiyun.com/In_moon_shadow/article/details/153737498</guid><author>In_moon_shadow</author><pubDate>Wed, 22 Oct 2025 22:09:31 +0800</pubDate><description><![CDATA[摘要： 本文详细介绍了在Ubuntu20.04系统上安装ROS Noetic（ROS1长期支持版）和ROS2 Foxy（ROS2长期支持版）的全流程。内容涵盖系统环境检查、软件源配置、安装步骤、环境变量设置及功能验证，并提供了ROS1与ROS2桥接的测试方法。针对网络问题给出了换源建议，通过乌龟仿真和发布-订阅示例验证安装成功。最后提出版本共存管理建议，为机器人开发环境搭建提供完整指导，适合初学者快速上手ROS开发。]]></description><category></category></item><item><title><![CDATA[视觉学习篇——色域通道：原理、场景与实战代码]]></title><link>https://blog.youkuaiyun.com/In_moon_shadow/article/details/153690867</link><guid>https://blog.youkuaiyun.com/In_moon_shadow/article/details/153690867</guid><author>In_moon_shadow</author><pubDate>Tue, 21 Oct 2025 15:55:29 +0800</pubDate><description><![CDATA[本文深入解析了RGB、CMYK、HSV、HSL、YUV、YCbCr、Lab等常见色域的原理、数学表示及适用场景。RGB采用加性混色模型，适用于屏幕显示；CMYK基于减法混色，主要用于印刷；HSV/HSL更贴近人类感知，适合颜色调整和物体识别；YUV/YCbCr分离亮度与色度，广泛应用于视频编码；Lab色域覆盖人眼可见光范围最广，是颜色科学的基准。文章还提供了Python（OpenCV/PIL）和C++（OpenCV）的实战代码，包括色域转换、通道分离和图像增强等操作，帮助开发者在不同场景下灵活运用颜色空间。]]></description><category></category></item><item><title><![CDATA[视觉学习篇——图像存储格式]]></title><link>https://blog.youkuaiyun.com/In_moon_shadow/article/details/153691345</link><guid>https://blog.youkuaiyun.com/In_moon_shadow/article/details/153691345</guid><author>In_moon_shadow</author><pubDate>Tue, 21 Oct 2025 15:54:54 +0800</pubDate><description><![CDATA[图像存储格式直接影响处理性能、存储和传输效率。主流格式包括：1）RGB系列，直观但冗余大；2）YUV系列，适合视频编码，通过分离亮度和色度实现高效压缩；3）NV12/NV21，移动端常用，内存占用低。不同格式适用于不同场景：RGB用于显示和编辑，YUV420用于视频编码，NV12用于实时视频流。掌握格式转换底层原理和优化技巧（如内存对齐、SIMD指令）可显著提升效率。Python（OpenCV）和C++（FFmpeg）提供便捷的格式转换接口。]]></description><category></category></item><item><title><![CDATA[视觉进阶篇——图像数据增强从原理到实战（python/c++实现）]]></title><link>https://blog.youkuaiyun.com/In_moon_shadow/article/details/153630304</link><guid>https://blog.youkuaiyun.com/In_moon_shadow/article/details/153630304</guid><author>In_moon_shadow</author><pubDate>Tue, 21 Oct 2025 15:27:00 +0800</pubDate><description><![CDATA[这里开启我们的进阶教程——数据增强。这里我们单指二维图像增强，又可以称作图像处理操作。这一讲我会直接从平面图像底层讲到代码实现并给出python和c++的具体实现可以给自己更多自由发挥的空间。这一讲不要指望看一篇就能学会，我还是作抛砖引玉，更加具体的东西需要大家自己下去慢慢体会。对于原始数据规模较小的情况，我们应该优先用强增强（Cutout、Mixup、RandAugment），增加样本的多样性；如果数据本身规模就很大，那我们用基础增强即可，避免过度扰动对模型造成不必要干扰。]]></description><category></category></item><item><title><![CDATA[视觉学习篇——关于图像压缩]]></title><link>https://blog.youkuaiyun.com/In_moon_shadow/article/details/153633378</link><guid>https://blog.youkuaiyun.com/In_moon_shadow/article/details/153633378</guid><author>In_moon_shadow</author><pubDate>Mon, 20 Oct 2025 16:38:44 +0800</pubDate><description><![CDATA[《图像压缩技术原理与应用解析》 摘要：图像压缩通过去除冗余信息在保证视觉质量的前提下大幅降低数据量，是计算机视觉领域的核心技术。本文系统阐述了图像压缩的必要性（存储压力、传输效率、计算资源优化）、应用场景（网页/医疗/视频流等）及技术原理（有损vs无损），重点对比了JPEG/WebP/PNG等主流格式的特性。针对实战需求，提供了Python(Pillow)和C++(OpenCV)的压缩代码示例，并给出格式选择的决策依据。文章特别指出，在带宽受限场景（如智能车竞赛）中，合理的图像压缩可显著改善传输延迟问题。]]></description><category></category></item><item><title><![CDATA[视觉学习篇——认识常见图像格式]]></title><link>https://blog.youkuaiyun.com/In_moon_shadow/article/details/153630687</link><guid>https://blog.youkuaiyun.com/In_moon_shadow/article/details/153630687</guid><author>In_moon_shadow</author><pubDate>Mon, 20 Oct 2025 15:50:58 +0800</pubDate><description><![CDATA[这篇带大家简单认识一下常见的二维图像格式和创建方法，其中会涉及图像原理方面的知识，这为我们后续数据增强为简单的基础。文章中也会给出相关代码示例可以帮助大家更好的理解数字图像所有图像格式的本质都是​​像素信息的存储方式​​，理解以后你可以根据任务选择合适的格式（比如需要透明选RGBA，需要小文件选索引色）；同时避免通道顺序的坑（比如OpenCV的BGR顺序）；以及更好地处理图像数据（比如读取JPEG后转为RGB再输入模型）。]]></description><category></category></item><item><title><![CDATA[视觉入门篇——计算机视觉基础（超级全配置源码编译opencv4.8.0+contri+CUDA、CUDNN支持）]]></title><link>https://blog.youkuaiyun.com/In_moon_shadow/article/details/153582411</link><guid>https://blog.youkuaiyun.com/In_moon_shadow/article/details/153582411</guid><author>In_moon_shadow</author><pubDate>Sun, 19 Oct 2025 22:38:48 +0800</pubDate><description><![CDATA[本文详细介绍了OpenCV（开源计算机视觉库）的编译安装过程。内容涵盖：1）OpenCV的基本概念和应用领域；2）在Ubuntu系统下从源码编译OpenCV4.8.0的完整步骤，包括环境准备、依赖安装、源码下载、CMake参数配置（重点说明CUDA相关参数）和编译安装；3）常见问题解决方法；4）安装后的验证方法。特别针对NVIDIA显卡用户提供了CUDA加速配置指南，并给出精简版CMake配置方案。整个过程强调参数调整和问题排查，适合需要定制化安装OpenCV的用户参考。]]></description><category></category></item></channel></rss>