weixin_42660446的博客

tensorRT 部署 YOLOV5模型详解第一步：下载tensorRT库https://developer.nvidia.com/nvidia-tensorrt-8x-download欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我

Windows下 Cmake 没有生成makefile文件（不是为了生成解决方案的），针对指令操作1、主要是因为编译器选择的问题，很有可能选择到了vs的编译器MSVC*了导致生成了解决方案2、如下操作使用cmake . -G "Unix Makefiles"改了以后编译器为GNU的才行3、如果还是发现不行，那么改变环境变量只保留D:\cmake\bin; D:\MinGW\bin;为了确保编译器不会被混淆...

**TypeError: super(type, obj): obj must be an instance or subtype of type**直接关闭IDE,重新启动即可

下载win10下的tesseract的安装包https://digi.bib.uni-mannheim.de/tesseract/下载后双击进行安装，这里因为我们要识别中文字符，所以在安装界面中需要进行额外的语言勾选，展开Additional language data然后点击next安装即可（注意：在选择安装路径的时候不要出现中文，并且要记住这个安装路径）接下来配置环境变量.路径添加到环境变量中分别对用户变量PATH和系统变量Path添加刚才的安装目录（我的默认安装在D:\Tesserac

近期由于要做一个关于人脸计数的项目，因此对dlib库进行了编译和使用，其中遇到了不少问题，下面请听我一一道来第一步：从dlib官网下载dlib源码，链接地址：https://github.com/davisking/dlib第二步，采用cmake配置环境，并生成工程，配置环境如下：dlib源码全部放在了source下，build为要生成的工程地址路径（选择Advanced）,点击config弹出vs配置界面，选择vs2015,X64CUDA的配置（默认）：libjpeg和libpng的相关配置

第一步：下载镜像文件我的是树莓派4b 16G的存储空间，安装ubuntu18.04的32位系统也就是：Ubuntu Server 18.04.4 for Raspberry Pi 4 32-bit ：ubuntu-18.04.4-preinstalled-server-armhf+raspi3.img.xz第二步：烧录镜像文件将此文件烧录到我的SD卡上，采用的软件是官方提供的 balenaEtcher 烧录软件（烧录前将SD卡格式化一下），等待数分钟后便烧录完成。第三步：系统更新将SD卡插

卡住的原因主要是网络设置问题：出现上图以后，首先关闭客户机然后，我们在虚拟机上按照如下图的操作顺序先屏蔽掉网络设置的检查点击网络适配器后出现如下界面将已连接和启用时连接 取消勾选， 然后确定，即可此时出现登录界面进入系统以后，在将选中，即可以进行上网了...

window下我安装的是cpu版本的，可以根据自己的需要选择安装不同的版本，==后面可以修改pip install --upgrade tensorflow==1.14.0window下安装gpu版本的，可以根据自己的需要选择安装不同的版本，==后面可以修改pip install --upgrade tensorflow-gpu==1.14.0不过GPU版本的需要配置cuda，由于本人...

由于新模型在添加层后可能得出更优的解来拟合训练数据集，因此添加层似乎更容易降低训练误差。然而在实践中，添加过多的层后训练误差往往不降反升。

通常官网提供的mnist数据集都是压缩格式的文档，有时候我们在使用的时候需要将其：（1）、解压成图片格式存入文件夹（2）、或者保存成csv格式的文档（1）保存成图片格式# -*- coding: utf-8 -*-"""Created on Tue Feb 18 17:36:14 2020unzip_mnist"""import structfrom array impor...

-- coding: utf-8 --“”"Created on Thu Nov 21 20:09:53 2019videoTovideo@author: Administrator“”"import cv2import mathprint(cv2.version)video = cv2.VideoCapture(‘F:/project/2019/RelD/keras-yolo3...