finhaz的博客

多版本python，是为了安装多版本的pytorch或者tensorflow。在电脑上开发时，用的最多的是anaconda工具，只是jetpack对应的TX1、TX2这些都是arm开发板，没有直接的anaconda可以使用，所以总结了一下管理方法。使用Archiconda之前，我写的《TX1使用_jetpack4.6使用》一文中，介绍了这个工具，它相当于AArch64架构的conda，使用的命令和anaconda内的conda命令一样。使用virtualenv在官方的博文《Installing T

在现在，代码的存储和管理已经有许多好用的工具。git是目前使用最广泛的工具之一，而且很多软件内部都集成了git工具，可以帮助方便地将代码存入github、gitee（码云）等平台或者是本地代码管理，因此研究Git的使用。软件内部集成的git使用我常用的编程软件有CCS、VS2019，它的内部都带有git工具。CCS的git使用对要建立git的工程右键随后弹出的界面，提示你建立仓库虽然会警告，不建议你选择eclipse的workspace作仓库仓库建立后，team的页面又会多出许多熟悉的选

最近跟着看了一篇博文《深度学习之卷积神经网络CNN及tensorflow代码实现示例》，学习着里面的代码，但是遇到了问题，那就是发现里面很多是tensorflow1的代码，而我用的是tensorflow2。以这个为例子，研究tensorflow1到2的转换。简单方法tf2直接全局转为tf1，这样代码很快就跑起来了。import tensorflow.compat.v1 as tftf.disable_v2_behavior()不过如果你用cuda，而且是最新版的，会发现在运行时会提示你，缺少一些

虽然vs2019和opencv搭配使用挺简单的，但是还是希望能够用轻量级的vscode来实现编程，所以研究了cmkae+vscode配置opencv的开发环境。opencv的获取+mingv/cmake的配置为了完全摆脱vs2019，选择的是mingw的编译器，这里参照的是《VSCODE通过MinGW和CMake搭建OpenCV》。虽然mingw配置挺简单的，但是opencv的源代码用mingw编译坑挺多的，这里用的是github提供的别人编译好的OpenCV-MinGW-Build，方便前期的学习。

在前面《win10下深度学习环境的安装配置》下，对于环境的配置进行了简单介绍。这段时间，我打算将开发环境切为vscode+anaconda,界面借助qt进行设计。在此记录了配置。python环境建立借助anaconda进行管理环境，去官网找到anaconda安装包后，基本默认安装即可。只需要手动在系统中的path环境变量中，将它的安装位置，如D:\Anaconda3加入，此外加入Anaconda3\Scripts、Anaconda3\Library\bin等文件夹的路径即可。针对需要，这里准备建立一个

尽管我电脑的性能也一般，但是测试些简单代码足够了。因此，研究了下在win10下搭建深度学习环境，主要围绕这pytorch和tensorflow展开的。conda的工具设置PC上的python管理方便多了，直接选择Anaconda就行了，官网即可下载安装包，并且PC上可以找到很多源来加速pip和conda的下载安装。像pip工具，我使用的是清华源在C:\Users\XXX（XXX为用户名）下新建pip文件夹，里面建立pip.ini文件，写上[global]index-url = https://p

目前使用的是jetpack4.6，通过刷机后，得到了一个运行Ubuntu18.04版本的tx1。在准备刷入官方提供的一系列组件时，遇到了空间不够的问题，参考网上教程，加入了SSD，扩展了容量，目前还在配置pytorch和tensorflow之中。现在总结这段时间的研究经验。SSD的安装这个首先需要看你的载板接口了，之前用的RTSO-9003载板只有SD卡接口，自然不能安装SSD扩容了。后来换的载板上有m2接口，而且是key B，不过现在的m2固态接口，多数是同时兼容B key和M key的M.2（B+M

NVIDIA Jetson TX1是英伟达推出的一款可用于深度学习等方面研究的计算机板卡，带有16G的EMMC存储和 4GB的内存，它采用了Maxwell GPU架构，支持CUDA、TensorRT等。这款板卡运行linux的体验上，比前面的斐讯n1好多了（当然，价格也差多了。。。）。刷机刷机的方法在网上已经有很多教程，但是很多都还是jetpack 3系列的老教程，我想自己摸索下，研究下新版本jetpack刷机的方法。我刷机时使用的是jetpack4.6，通过USB刷机。按照网上的说法，其实现在已经支

前言我的研究方向不是计算机视觉，这段时间开始的CV学习纯粹是出于兴趣，在此记录下自己的学习历程，也方便感兴趣的同伴一起学习。目前，我学习主要参照的是《OpenCV 4计算机视觉项目实战(原书第2版)》，所学习的代码也是来自于这本书。因为我比较习惯c++和c#的代码，所以更偏向于从c++版本的opencv开始学起。这次主要学习的是opencv导入深度学习模型。配置Opencvopencv是一个开源的视觉代码框架，首先使用从官网下载的安装包来获取opencv的源代码。官网上提供了多个版本的openc