仪器、界面水有多深(2)

嗯,测试需要花时间,这里把自己的这段日常总结写完。 

之前因为赶饭点,所以写的比较泛泛~~(多陪家人,培养兴趣什么应该是如何做人-_-b)
这里只谈怎么做好,所以就专业的吧。

养成的习惯:
1. 代码的整理
    不要把有问题的代码留给以后。不要说“这个库或者类用了很长时间了,偶尔出现些差错,但是没事儿的”,“就在原来的基础上改,别大改动”,等等。稳健的来说,上面的话一般是没有问题的。但是,“小洞不补大洞吃苦”。有问题的代码,很可能是它要求的上下文环境不明,或者是其健壮性(robust ,鲁棒性)不够。及时标明它或者对它的缺点进行改正。
    良好的编码习惯。再次重申,编码习惯不好不光是人品问题,而且有破坏倾向!别管你用了几行,效率多高,技巧多高明,把代码弄得乱七八槽很多时候是对自己的不尊重。自己编的代码一两个月放下拿起来,用几分钟时间就能重新干活,这是效率问题。老子上次的代码显示是一年前7月8号的版本,(别问我这一年去干嘛了),立马就能给跑起来绝不是记忆力有多厉害,还不是这个基本功点上下力气了。
    软件版本和调试记录。嗯,还是为了以后接班人着想,工作以后项目交接也用的上。2G的软件版本和1.5G的调试数据,接近2万字100页的软件调试问题记录和解决方案。。。。特别的凌乱,根本没法整理,这两天因为这个有些发愁。。。。还是没有经验的原因。

2. 良好的沟通
    和界面功能相关的技能就是沟通,因为大部分时间里对方(特别是有相关知识的甲方)要求你做的东西很可能不是他想要的东西。没错,这句话用了3年的时间终于敢说出来了。他们很多时候不知道自己想要什么,或者说知道想要什么却要求了别的东西
    多和你的甲方交流,加深业务往来的同时,弄明白确实的需求能让你少走很多的路。

3. 认命~~
    纯碎调侃,别因为外人的评价而导致内心不平衡。有时候你情报获取的太多反而会影响情绪。成熟一点,知道你自己到底想要什么,是不是真的喜欢做这个,生气的原因到底是不是因为对技术本身的喜恶。弄明白这些,你才能在现在这个黑技术员成风的年代扎得住自己。
    所以认命吧,认清楚自己,确定自己的立场,然后无论好坏的活在当下。





这里先将之前一些模糊的地方说清楚:
之前(1)里面一天之内海多的需求变更等等糗事都是发生在这一块没确定的情况下,怎么没确定呢?上级(老师)对项目进度不了解以及处在“乙方的乙方”而且“乙方”还要求你直接跟“甲方”碰面的情况下。
细节就不提了,现在想想没法说是谁的错或者责任。事情太多,赶到一块,所以环境和项目进度紊乱也正常。自己只是碰巧在这个环境下赶鸭子上架分配到这个任务而已。至于黑历史,说了也没有用,一些事情该拒绝就应该拒绝,当面把事情说清楚,也不用背黑锅当枪使,还被人不理解,以为小题大做。。。
咱不做学霸了,不当先进了,做个好哥们,当个好儿子,比什么都值~~
额,不愉快的掀过。

总之,在学生期间碰到一系列学业、家庭的事情虽然给我打击很大,堕落了一段时间,
用了将近一年的时间去腻歪自己,用了半年时间去放空自己,
现在看看,这个世界真的变了,
总之,老子之前心态歪了,在一件件倒霉事之中心态慢慢歪的,歪的差一点成为习惯。
然后良心发现,终于下定决心止住自己歪继续下去的势头。
收收心,继续做我的界面~~~

额,数据好歹采完了。析包效率应该是瓶颈。
 
下载方式:https://pan.quark.cn/s/a4b39357ea24 在纺织制造领域中,纱线的品质平对最终制成品的整体质量具有决定性作用。 鉴于消费者对于产品规格和样式要求的不断变化,纺织制造工艺的执行过程日益呈现为一种更为复杂的操作体系,进而导致对纱线质量进行预测的任务变得更加困难。 在众多预测技术中,传统的预测手段在面对多变量间相互交织的复杂关系时,往往显得力不从心。 因此,智能计算技术在预测纱线质量的应用场景中逐渐占据核心地位,其中人工神经网络凭借其卓越的非线性映射特性以及自适应学习机制,成为了众多预测方法中的一种重要选择。 在智能计算技术的范畴内,粒子群优化算法(PSO)和反向传播神经网络(BP神经网络)是两种被广泛采用的技术方案。 粒子群优化算法是一种基于群体智能理念的优化技术,它通过模拟鸟类的群体觅食行为来寻求最优解,该算法因其操作简便、执行高效以及具备优秀的全局搜索性能,在函数优化、神经网络训练等多个领域得到了普遍应用。 反向传播神经网络则是一种由多层节点构成的前馈神经网络,它通过误差反向传播的机制来实现网络权重和阈值的动态调整,从而达成学习与预测的目标。 在实际操作层面,反向传播神经网络因其架构设计简洁、实现过程便捷,因此被广泛部署于各类预测和分类任务之中。 然而,该方法也存在一些固有的局限性,例如容易陷入局部最优状态、网络收敛过程缓慢等问题。 而粒子群优化算法在参与神经网络优化时,能够显著增强神经网络的全局搜索性能并提升收敛速度,有效规避神经网络陷入局部最优的困境。 将粒子群优化算法与反向传播神经网络相结合形成的PSO-BP神经网络,通过运用粒子群优化算法对反向传播神经网络的权值和阈值进行精细化调整,能够在预测纱线断裂强度方面,显著提升预测结果的...
植物实例分割数据集 一、基础信息 数据集名称:植物实例分割数据集 图片数量: - 训练集:9,600张图片 - 验证集:913张图片 - 测试集:455张图片 总计:10,968张图片 分类类别:59个类别,对应数字标签0至58,涵盖多种植物状态或特征。 标注格式:YOLO格式,适用于实例分割任务,包含多边形标注点。 数据格式:图像文件,来源于植物图像数据库,适用于计算机视觉任务。 二、适用场景 • 农业植物监测AI系统开发:数据集支持实例分割任务,帮助构建能够自动识别植物特定区域并分类的AI模型,辅助农业专家进行精准监测和分析。 • 智能农业应用研发:集成至农业管理平台,提供实时植物状态识别功能,为作物健康管理和优化种植提供数据支持。 • 学术研究与农业创新:支持植物科学与人工智能交叉领域的研究,助力发表高平农业AI论文。 • 农业教育与培训:数据集可用于农业院校或培训机构,作为学生学习植物图像分析和实例分割技术的重要资源。 三、数据集优势 • 精准标注与多样性:标注采用YOLO格式,确保分割区域定位精确;包含59个类别,覆盖多种植物状态,具有高度多样性。 • 数据量丰富:拥有超过10,000张图像,大规模数据支持模型充分学习和泛化。 • 任务适配性强:标注兼容主流深度学习框架(如YOLO、Mask R-CNN等),可直接用于实例分割任务,并可能扩展到目标检测或分类等任务。
室内物体实例分割数据集 一、基础信息 • 数据集名称:室内物体实例分割数据集 • 图片数量: 训练集:4923张图片 验证集:3926张图片 测试集:985张图片 总计:9834张图片 • 训练集:4923张图片 • 验证集:3926张图片 • 测试集:985张图片 • 总计:9834张图片 • 分类类别: 床 椅子 沙发 灭火器 人 盆栽植物 冰箱 桌子 垃圾桶 电视 • 床 • 椅子 • 沙发 • 灭火器 • 人 • 盆栽植物 • 冰箱 • 桌子 • 垃圾桶 • 电视 • 标注格式:YOLO格式,包含实例分割的多边形标注,适用于实例分割任务。 • 数据格式:图片为常见格式如JPEG或PNG。 二、适用场景 • 实例分割模型开发:适用于训练和评估实例分割AI模型,用于精确识别和分割室内环境中的物体,如家具、电器和人物。 • 智能家居与物联网:可集成到智能家居系统中,实现自动物体检测和场景理解,提升家居自动化平。 • 机器人导航与交互:支持机器人在室内环境中的物体识别、避障和交互任务,增强机器人智能化应用。 • 学术研究与教育:用于计算机视觉领域实例分割算法的研究与教学,助力AI模型创新与验证。 三、数据集优势 • 类别多样性:涵盖10个常见室内物体类别,包括家具、电器、人物和日常物品,提升模型在多样化场景中的泛化能力。 • 精确标注质量:采用YOLO格式的多边形标注,确保实例分割边界的准确性,适用于精细的物体识别任务。 • 数据规模充足:提供近万张标注图片,满足模型训练、验证和测试的需求,支持稳健的AI开发。 • 任务适配性强:标注格式兼容主流深度学习框架(如YOLO系列),便于快速集成到实例分割项目中,提高开发效率。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值