- 博客(3)
- 收藏
- 关注
RSS订阅原创 Linux自动化运维实战（一）：从目录结构到网络配置的完整入门指南
本文是作者学习笔记总结，名称“ Linux 自动化运维实战系列的第一篇”，系统讲解了 Linux 目录结构、常用命令、权限管理与网络配置。内容涵盖文件与目录操作、进程管理、网络与远程操作、权限与用户管理等高频命令的用法；深入剖析了 Linux 文件与目录的权限机制（r/w/x 与数字权限）；最后以 ens33 网卡为例，完整演示了如何将 DHCP 动态 IP 修改为静态 IP，并通过重启网络服务验证配置成功。
2026-09-08 13:13:17
205
原创 Anaconda3安装失败？解析错误解决指南
摘要：解决Anaconda3安装失败问题需彻底卸载残留文件并配置系统设置。首先删除安装目录及隐藏文件夹（如.conda、.condarc等），清除环境变量。然后在控制面板中启用UTF-8支持：进入区域设置→管理→勾选"Beta版:使用Unicode UTF-8"。最后从清华镜像下载最新Miniconda3安装包重新安装。该方案可有效解决因残留文件和编码设置导致的安装解析失败问题。（149字）
2026-05-17 18:27:03
246
19【计算机视觉】基于Anaconda3的LabelMe图像标注工具安装与操作指南：实现多边形矩形标注及JSON数据转换
内容概要：本文详细介绍了如何在Anaconda环境下部署并使用LabelMe图像标注工具。首先指导用户通过Anaconda终端创建独立的虚拟环境labelme，并配置国内清华源以提升下载速度，随后安装PyQt与LabelMe相关依赖。完成环境搭建后，文章进一步演示了如何启动LabelMe、打开图像目录、使用快捷键进行多边形或矩形标注、保存标注结果等操作。最后，讲解了如何利用`labelme_json_to_dataset`命令将生成的JSON标注文件转换为可用于深度学习任务的数据集格式，完整呈现从环境配置到实际标注及数据处理的全流程。;
适合人群：计算机视觉方向初学者、从事数据标注工作的技术人员、需手动标注图像数据的学生或研究人员；具备基础Python和命令行操作能力者更佳。;
使用场景及目标：①用于构建自定义图像分割数据集；②辅助深度学习项目中的数据预处理环节；③学习图像标注工具LabelMe的基本操作与自动化处理流程；
阅读建议：建议读者按照文档步骤逐步实践，确保每步命令执行成功后再进入下一环节，尤其注意虚拟环境的激活与路径切换，同时可结合快捷键提高标注效率。
2026-05-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人