<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Linux_bin的博客]]></title><description><![CDATA[Linux_bin的博客]]></description><link>https://blog.youkuaiyun.com/Linux_bin</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Linux_bin]]></copyright><item><title><![CDATA[已经启动的docker 修改挂载目录]]></title><link>https://blog.youkuaiyun.com/Linux_bin/article/details/123871051</link><guid>https://blog.youkuaiyun.com/Linux_bin/article/details/123871051</guid><author>Linux_bin</author><pubDate>Thu, 31 Mar 2022 14:25:49 +0800</pubDate><description><![CDATA[1、停止docker服务


systemctl stop docker.service

2、找到docker容器的配置文件并打开


sudo vim /var/lib/docker/containers/containers id/config.v2.json

3、找到挂载点MountPoints，修改Source字段后面的内容




]]></description><category></category></item><item><title><![CDATA[面试-素因分解]]></title><link>https://blog.youkuaiyun.com/Linux_bin/article/details/123417646</link><guid>https://blog.youkuaiyun.com/Linux_bin/article/details/123417646</guid><author>Linux_bin</author><pubDate>Fri, 11 Mar 2022 10:10:01 +0800</pubDate><description><![CDATA[面试-因数分解
]]></description><category></category></item><item><title><![CDATA[调用opencv的c接口时，编译提示 对‘cvRound’未定义的引用]]></title><link>https://blog.youkuaiyun.com/Linux_bin/article/details/116201781</link><guid>https://blog.youkuaiyun.com/Linux_bin/article/details/116201781</guid><author>Linux_bin</author><pubDate>Tue, 27 Apr 2021 15:12:34 +0800</pubDate><description><![CDATA[CMakeFiles/inf2vis.dir/inf2vis_check.c.o：在函数‘cvPointFrom32f’中：
/usr/local/include/opencv2/core/types_c.h:929：对‘cvRound’未定义的引用
/usr/local/include/opencv2/core/types_c.h:930：对‘cvRound’未定义的引用
CMakeFiles/inf2vis.dir/inf2vis_check.c.o：在函数‘cvReadInt’中：
/usr/loca]]></description><category></category></item><item><title><![CDATA[ncnn上部署yolov5]]></title><link>https://blog.youkuaiyun.com/Linux_bin/article/details/115037435</link><guid>https://blog.youkuaiyun.com/Linux_bin/article/details/115037435</guid><author>Linux_bin</author><pubDate>Sun, 21 Mar 2021 01:12:25 +0800</pubDate><description><![CDATA[1、准备工作

U神的yolov5源码，下载地址
	自己的模型或者yolov5官网发布模型
	linux系统（本在ubuntu18的docker环境下部署 ）
	ncnn源码，下载地址
	opencv
	
	protobuf
	
	
	opencv和protobuf必须安装否则在编译ncnn的时候，由于检测不到protobuf和opencv，onnx2ncnn工具不会被编译。
	
2、.pt文件转.onnx文件

将yolov5从torch框架转到ncnn上前需要用onnx工具先将.pt模型文件转化为.o.]]></description><category></category></item><item><title><![CDATA[jpg转海思nnie所需要的.bgr格式的数据]]></title><link>https://blog.youkuaiyun.com/Linux_bin/article/details/108362305</link><guid>https://blog.youkuaiyun.com/Linux_bin/article/details/108362305</guid><author>Linux_bin</author><pubDate>Wed, 02 Sep 2020 14:55:18 +0800</pubDate><description><![CDATA[# -*- coding: utf-8 -*-
# @Time : 2020/8/11 下午5:47
# @Author :libin
# @File : jpg2bgr.py
# @Software: PyCharm
import cv2
from numpy import *
import numpy as np
import glob
import os
class JPG2BGR(object):
    def __init__(self,basedir="./",test_path="./te.]]></description><category></category></item><item><title><![CDATA[模拟退火算法（代码）]]></title><link>https://blog.youkuaiyun.com/Linux_bin/article/details/108185071</link><guid>https://blog.youkuaiyun.com/Linux_bin/article/details/108185071</guid><author>Linux_bin</author><pubDate>Sun, 23 Aug 2020 16:59:00 +0800</pubDate><description><![CDATA[在实际日常中，人们会经常遇到如下问题：在某个给定的定义域内，求函数对应的最优值。此处以最小值问题举例（最大值问题可以等价转化成最小值问题），形式化为：



如果是离散有限取值，那么可以通过穷取法获得问题的最优解；如果连续，但是凸的，那可以通过梯度下降等方法获得最优解；如果连续且非凸，虽说根据已有的近似求解法能够找到问题解，可解是否是最优的还有待考量，很多时候若初始值选择的不好，非常容易陷入局部最优值。



随着日常业务场景的复杂化，第三种问题经常遇见。如何有效地避免局部最优的困扰？模拟退火算法应运而生。]]></description><category></category></item><item><title><![CDATA[C循环读指定路径下的文件]]></title><link>https://blog.youkuaiyun.com/Linux_bin/article/details/107934085</link><guid>https://blog.youkuaiyun.com/Linux_bin/article/details/107934085</guid><author>Linux_bin</author><pubDate>Tue, 11 Aug 2020 14:01:46 +0800</pubDate><description><![CDATA[/******************************************************************************
* function : traverse folder 
  basePath：base dir name
******************************************************************************/
static int readdir(char *basePath,char* .]]></description><category></category></item><item><title><![CDATA[furg-fire-datase解析，坐标提取，label制作]]></title><link>https://blog.youkuaiyun.com/Linux_bin/article/details/107355990</link><guid>https://blog.youkuaiyun.com/Linux_bin/article/details/107355990</guid><author>Linux_bin</author><pubDate>Wed, 15 Jul 2020 11:03:26 +0800</pubDate><description><![CDATA[训练环境：darknet+yolov3，坐标写入格式：x,y,w,h,如果需要去他格式的坐标可以修改


def convert(size, box)函数。

furg-fire-datase：

火焰检测数据机，涵盖了大部分交通事故中火焰检测的场景。

数据集制作脚本


# -*- coding: utf-8 -*-
# @Time : 2020/7/14 13:23
# @Author : Libin
# @File : ReadXml.py
# @Software: PyCharm
import o]]></description><category></category></item><item><title><![CDATA[linux下，批量复制文件名带空格的文件]]></title><link>https://blog.youkuaiyun.com/Linux_bin/article/details/107206378</link><guid>https://blog.youkuaiyun.com/Linux_bin/article/details/107206378</guid><author>Linux_bin</author><pubDate>Wed, 08 Jul 2020 15:07:47 +0800</pubDate><description><![CDATA[在windows或者linux下，在复制，或者移动，或者制作深度学习训练集时，对于文件名中带有空格的文件处理会很棘手，不管用python还是c++都不好处理，这是可以用shell脚本。


#!/bin/bash

SALVEIFS=$IFS
IFS=$(echo -en "\n\b")

base_dir=/mnt/workspcae/darknet/dataset/flame_dataset/validation/images/
copyto=/mnt/workspcae/darknet/dataset]]></description><category></category></item><item><title><![CDATA[机器学习-逻辑回归算法推理+代码复现]]></title><link>https://blog.youkuaiyun.com/Linux_bin/article/details/106551232</link><guid>https://blog.youkuaiyun.com/Linux_bin/article/details/106551232</guid><author>Linux_bin</author><pubDate>Thu, 04 Jun 2020 17:11:32 +0800</pubDate><description><![CDATA[1、算法推理：

这里算法推理和代码复现原型参考：https://blog.youkuaiyun.com/zouxy09/article/details/20319673

2、算法应用背景-课题设计：

企业财务风险预警是企业风险预警系统的一个重要组成部分，它能有效的预知部分财务风险。本课题将风险公司记为ST，非风险公司记为非ST，ST判断标准如下：

1.）连续两年年报显示净利润为负值

2）净资产收益率、总资产净利润率为负值。

其影响特征变量如下：





注: 现金比率= 货币资金÷流动负债;

盈利现..]]></description><category></category></item><item><title><![CDATA[Linux中使用libjpeg读取jpeg的data(不含文件头)]]></title><link>https://blog.youkuaiyun.com/Linux_bin/article/details/106522570</link><guid>https://blog.youkuaiyun.com/Linux_bin/article/details/106522570</guid><author>Linux_bin</author><pubDate>Wed, 03 Jun 2020 13:57:27 +0800</pubDate><description><![CDATA[1、背景、

有时候在项目中需要用到底层c语言去读取图像像素值，移植opencv中的imread函数，涉及到图片的编解码，以及其他的函数，使得项目开展十分麻烦，所以我们可以借助第三方库来实现像素值的读取操作。

2、libjpeg下载，编译

下载地址：这里

There is a Windows format package in zip archive format jpegsr9d.zip and a Unix format package in tar.gz archive format jpegs]]></description><category></category></item><item><title><![CDATA[cmake 编译出现“CMake Error at aten/src/ATen/CMakeLists.txt:226 (set_property):   set_property could not”]]></title><link>https://blog.youkuaiyun.com/Linux_bin/article/details/106480000</link><guid>https://blog.youkuaiyun.com/Linux_bin/article/details/106480000</guid><author>Linux_bin</author><pubDate>Mon, 01 Jun 2020 19:19:04 +0800</pubDate><description><![CDATA[在cmake升级后出现“CMake Error at aten/src/ATen/CMakeLists.txt:226 (set_property): set_property could not”错误，查找很多资料后发现是由于缺少第三方库造成。

解决方法：


git submodule update --init --recursive


]]></description><category></category></item><item><title><![CDATA[ubuntu16.04下,虚拟环境中编译caffe源码血泪史]]></title><link>https://blog.youkuaiyun.com/Linux_bin/article/details/106262607</link><guid>https://blog.youkuaiyun.com/Linux_bin/article/details/106262607</guid><author>Linux_bin</author><pubDate>Thu, 21 May 2020 18:43:50 +0800</pubDate><description><![CDATA[注意：该博客中不包含显卡驱动安装和cuda安装相关教程

1、环境

Ubuntu 16.04 LTS
	
	conda 4.8.2 (虚拟环境中为python3.5)
	
	
	GTX1660 cuda9.0 cudnn7.4
	
2、下载caffe源码


git clone https://github.com/BVLC/caffe.git

3、创建虚拟环境（py3.5）


conda create -n Caffe python=3.6

进入到步骤2下载的caffe的根目录下安装caffe需.]]></description><category></category></item><item><title><![CDATA[解决opencv-python 安装缓慢问题]]></title><link>https://blog.youkuaiyun.com/Linux_bin/article/details/106250941</link><guid>https://blog.youkuaiyun.com/Linux_bin/article/details/106250941</guid><author>Linux_bin</author><pubDate>Thu, 21 May 2020 10:21:09 +0800</pubDate><description><![CDATA[在搭建开发环境的过程和中，直接利用pip install opencv-python 安装，有时候会出现time out情况，所以采用镜像安装，这里也可以指定其他源。


pip install opencv-python -ihttps://pypi.tuna.tsinghua.edu.cn/simple

]]></description><category></category></item><item><title><![CDATA[ubuntu系统解决特设符号无法输出问题（如@，|，“ ”）]]></title><link>https://blog.youkuaiyun.com/Linux_bin/article/details/106193583</link><guid>https://blog.youkuaiyun.com/Linux_bin/article/details/106193583</guid><author>Linux_bin</author><pubDate>Mon, 18 May 2020 15:27:57 +0800</pubDate><description><![CDATA[1、描述

在ubuntu系统中，编写代码时常常会遇到#，|，“ ”等特殊符号在使用组合键时无法正常输出的问题。

2、解决

搜索框 里 ，搜索 fcitx ,然后打开 Fcitx-&gt;输入法，查看输入法是不是键盘-英语（美国），如果不是，则将键盘-英语（美国）输入法放到第一个位置，如果输入法中没有键盘-英语（美国），点击窗口下方的"+"按钮，找到键盘-英语（美国）点击确定，即可安装，将键盘-英语（美国）输入法放到第一个位置后不用重启就可生效。
...]]></description><category></category></item><item><title><![CDATA[Pycharm调试时按F8单步调试失灵解决方法]]></title><link>https://blog.youkuaiyun.com/Linux_bin/article/details/106056730</link><guid>https://blog.youkuaiyun.com/Linux_bin/article/details/106056730</guid><author>Linux_bin</author><pubDate>Mon, 11 May 2020 16:23:20 +0800</pubDate><description><![CDATA[问题描述：

在pycharm中单步调试时，有时候会遇到一种情况，按F8单步调试时，按键失灵，但是鼠标点击单步调试按钮时代码可以正常运行。

问题出现的可能原因及解决方法：

检查是否安装网易有道词典，如果安装有道词典可能是由于有道词典的取词关开快捷键占用F8功能导致，关闭有道词典，pycharm的F8单步调试功能恢复。


...]]></description><category></category></item><item><title><![CDATA[C++实现卷积和池化]]></title><link>https://blog.youkuaiyun.com/Linux_bin/article/details/105094605</link><guid>https://blog.youkuaiyun.com/Linux_bin/article/details/105094605</guid><author>Linux_bin</author><pubDate>Wed, 25 Mar 2020 14:33:20 +0800</pubDate><description><![CDATA[1、生成高斯核


Mat Gass_Kernel(float sigmma)
{
	Mat Kernel = Mat(Size(3, 3), CV_32FC1);
	float val_sum = 0.f;
	for (int i=0;i&lt;3;i++)
		for (int j = 0; j &lt; 3; j++)
		{
			float val = exp(-((i - 3/2)*(...]]></description><category></category></item><item><title><![CDATA[二维高斯函数应用于图像处理]]></title><link>https://blog.youkuaiyun.com/Linux_bin/article/details/105052637</link><guid>https://blog.youkuaiyun.com/Linux_bin/article/details/105052637</guid><author>Linux_bin</author><pubDate>Mon, 23 Mar 2020 17:36:04 +0800</pubDate><description><![CDATA[二维高斯函数数学公式如下：



（u1是原点x坐标）

（u2是原点y坐标）





是各个点所占的权重，在图像处理中，一般u1,u2是远点坐标。

例如当sigma=1时，可得权重去下：

[0.36787945, 0.60653067, 0.36787945;
0.60653067, 1, 0.60653067;
0.36787945, 0.60653067, 0.36787945]
...]]></description><category></category></item><item><title><![CDATA[反向传播]]></title><link>https://blog.youkuaiyun.com/Linux_bin/article/details/104779696</link><guid>https://blog.youkuaiyun.com/Linux_bin/article/details/104779696</guid><author>Linux_bin</author><pubDate>Tue, 10 Mar 2020 18:04:05 +0800</pubDate><description><![CDATA[最近在看深度学习的东西，一开始看的吴恩达的UFLDL教程，有中文版就直接看了，后来发现有些地方总是不是很明确，又去看英文版，然后又找了些资料看，才发现，中文版的译者在翻译的时候会对省略的公式推导过程进行补充，但是补充的又是错的，难怪觉得有问题。反向传播法其实是神经网络的基础了，但是很多人在学的时候总是会遇到一些问题，或者看到大篇的公式觉得好像很难就退缩了，其实不难，就是一个链式求导法则反复用。如果...]]></description><category></category></item><item><title><![CDATA[tensorflow之pb文件保存与载入]]></title><link>https://blog.youkuaiyun.com/Linux_bin/article/details/104004602</link><guid>https://blog.youkuaiyun.com/Linux_bin/article/details/104004602</guid><author>Linux_bin</author><pubDate>Thu, 16 Jan 2020 15:17:48 +0800</pubDate><description><![CDATA[pb是protocol（协议） buffer（缓冲）的缩写。TensorFlow训练模型后存成的pb文件，是一种表示模型（神经网络）结构的二进制文件，将图中的变量保存成为常量，便于调用，一般无法将pb文件映射成源代码。pb文件的能够保存tensorflow计算图中的操作节点以及对应的各张量，方便我们日后直接调用之前已经训练好的计算图。

注：pb文件可以在训练时直接保存，也可以用.ckpt文件转化...]]></description><category></category></item></channel></rss>