<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[yeopeq的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/yeopeq</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; yeopeq]]></copyright><item><title><![CDATA[怎么阅读Github中的项目]]></title><link>https://blog.youkuaiyun.com/yeopeq/article/details/163310065</link><guid>https://blog.youkuaiyun.com/yeopeq/article/details/163310065</guid><author>yeopeq</author><pubDate>Wed, 29 Jul 2026 17:30:33 +0800</pubDate><description><![CDATA[摘要：本文介绍了GitHub项目溯源的实用方法，以OpenMMLab项目为例，说明如何通过文件结构进行代码追踪。重点解析了Python包导入机制，如&quot;from mmseg.registry import RUNNERS&quot;语句的路径含义，并解释了__init__.py文件在Python包中的关键作用（将文件夹转化为可调用包）。内容简明扼要地展示了开源项目代码组织结构的基本原理和查阅技巧。]]></description><category></category></item><item><title><![CDATA[使用C++进行推理部署]]></title><link>https://blog.youkuaiyun.com/yeopeq/article/details/163306855</link><guid>https://blog.youkuaiyun.com/yeopeq/article/details/163306855</guid><author>yeopeq</author><pubDate>Wed, 29 Jul 2026 15:55:58 +0800</pubDate><description><![CDATA[本文介绍了C++模型推理的环境配置和文件转换流程。主要内容包括：1）使用Visual Studio 2022环境，推荐将PyTorch模型转为ONNX/TensorRT格式以获得更高推理速度（从7FPS提升至90FPS）；2）提供了pth转ONNX的Python代码示例，包含模型加载、动态输入设置和导出操作；3）强调C++推理需要生成DLL文件，包含.h头文件中定义的初始化、推理和释放接口，建议先用Python推理验证结果准确性。文中还解释了TensorRT转换命令参数含义，并指出可根据需求选择FP16精度]]></description><category></category></item><item><title><![CDATA[pytorch模型部署的基础知识，将pytorch模型转化为ONNX格式，用ONNXRuntime进行推理]]></title><link>https://blog.youkuaiyun.com/yeopeq/article/details/157699041</link><guid>https://blog.youkuaiyun.com/yeopeq/article/details/157699041</guid><author>yeopeq</author><pubDate>Tue, 03 Feb 2026 21:49:27 +0800</pubDate><description><![CDATA[本文介绍了深度学习模型部署的基本流程，以LeNet网络为例详细说明了从PyTorch训练框架到ONNX中间表示再到推理框架的完整过程。首先构建LeNet模型并导出为ONNX格式，解释了卷积、池化、展平等核心操作的计算原理和注意事项。随后使用netron工具可视化ONNX模型结构，分析了PyTorch与ONNX在参数表示上的差异。最后展示了ONNXRuntime推理过程，包括数据预处理、模型加载、推理执行和结果解析，完整呈现了模型部署的各个环节。整个过程突出了框架间转换的格式要求和数据类型一致性等关键点。]]></description><category></category></item><item><title><![CDATA[解决word中使用mathtype进行公式编号“公式 章 节”字体的隐藏，亲测有效]]></title><link>https://blog.youkuaiyun.com/yeopeq/article/details/148385501</link><guid>https://blog.youkuaiyun.com/yeopeq/article/details/148385501</guid><author>yeopeq</author><pubDate>Mon, 02 Jun 2025 19:35:33 +0800</pubDate><description><![CDATA[摘要：在Word中隐藏&quot;公式章节&quot;文字时，常规方法（修改MTDisplayEquation样式为隐藏字体）会导致打印时整个公式消失。有效解决方法是选中&quot;公式章节&quot;文字后，使用快捷键Ctrl+Shift+8直接隐藏该文字而不影响公式编号。这种方法比网上常见的样式修改方案更精准可靠。]]></description><category></category></item><item><title><![CDATA[在运行的文件中配置--model=****]]></title><link>https://blog.youkuaiyun.com/yeopeq/article/details/136489846</link><guid>https://blog.youkuaiyun.com/yeopeq/article/details/136489846</guid><author>yeopeq</author><pubDate>Tue, 05 Mar 2024 21:10:50 +0800</pubDate><description><![CDATA[先上网查找了许多，都建议在pychartm的右上角点击配置文件来添加所缺的--model=***，多次实验并未解决问题。添加完毕，代码正常运行。]]></description><category></category></item><item><title><![CDATA[App Designer 从文件中选择一张图片并显示，且有退出按钮]]></title><link>https://blog.youkuaiyun.com/yeopeq/article/details/135731245</link><guid>https://blog.youkuaiyun.com/yeopeq/article/details/135731245</guid><author>yeopeq</author><pubDate>Sun, 21 Jan 2024 16:40:41 +0800</pubDate><description><![CDATA[有4个显示图像的区域，因此有4个button，原图像的坐标区为：UIAxes；灰度图像的坐标区为：UIAxes3；化图片的坐标区为：UIAxes2；边缘检测图片的坐标区为：UIAxes4。注意button3选择图像 文件时指定了文件的后缀 “*.png';'*.jpg”，自行按照需求更改。选择图像为button3，退出程序为button2，关于为button。]]></description><category></category></item><item><title><![CDATA[APP Designer显示一张图像]]></title><link>https://blog.youkuaiyun.com/yeopeq/article/details/135731091</link><guid>https://blog.youkuaiyun.com/yeopeq/article/details/135731091</guid><author>yeopeq</author><pubDate>Sun, 21 Jan 2024 16:26:39 +0800</pubDate><description><![CDATA[代码视图：其中file是图像的绝对地址。显示图像依旧使用的是坐标区显示。]]></description><category></category></item><item><title><![CDATA[使用app designer绘图（以简单的cos函数为例）]]></title><link>https://blog.youkuaiyun.com/yeopeq/article/details/135730969</link><guid>https://blog.youkuaiyun.com/yeopeq/article/details/135730969</guid><author>yeopeq</author><pubDate>Sun, 21 Jan 2024 16:17:12 +0800</pubDate><description><![CDATA[绘图显示组件为坐标轴。]]></description><category></category></item><item><title><![CDATA[使用APP Designer的入门]]></title><link>https://blog.youkuaiyun.com/yeopeq/article/details/135730713</link><guid>https://blog.youkuaiyun.com/yeopeq/article/details/135730713</guid><author>yeopeq</author><pubDate>Sun, 21 Jan 2024 16:10:25 +0800</pubDate><description><![CDATA[第一个app1”所用的是左边的“标签”，右下角“组件属性”可更改字体颜色大小背景颜色等。依次对文本框和button右击选择回调。对于两个回调的不同参考这篇文章。使用的matlab为2018b，下面是第一个appdesigner的界面。好了，至此第一个简单的app designer完成。]]></description><category></category></item><item><title><![CDATA[计算局部对比度（改进局部对比度）]]></title><link>https://blog.youkuaiyun.com/yeopeq/article/details/133087961</link><guid>https://blog.youkuaiyun.com/yeopeq/article/details/133087961</guid><author>yeopeq</author><pubDate>Sun, 21 Jan 2024 15:43:51 +0800</pubDate><description><![CDATA[改进局部对比度和局部对比度只有计算对比度的公式不同，其余一样，下面的链接是具体讲述改进局部对比度的文献。改进局部对比度算法的核心。]]></description><category></category></item><item><title><![CDATA[关于matlab图像全白问题的处理]]></title><link>https://blog.youkuaiyun.com/yeopeq/article/details/124675281</link><guid>https://blog.youkuaiyun.com/yeopeq/article/details/124675281</guid><author>yeopeq</author><pubDate>Mon, 09 May 2022 21:04:03 +0800</pubDate><description><![CDATA[灰度值为1及1以上处理为白色，需要对灰度值进行归一化，

比如256灰度值归一化 B=B/256；这样就可以显示出正常图像
]]></description><category></category></item><item><title><![CDATA[机器学习贝叶斯测试（威斯康星乳腺肿瘤数据集）]]></title><link>https://blog.youkuaiyun.com/yeopeq/article/details/124656985</link><guid>https://blog.youkuaiyun.com/yeopeq/article/details/124656985</guid><author>yeopeq</author><pubDate>Sun, 08 May 2022 23:23:53 +0800</pubDate><description><![CDATA[#导入威斯康星乳腺肿瘤数据集
import matplotlib.pyplot as plt
import numpy as np
from sklearn.datasets import load_breast_cancer
cancer = load_breast_cancer()
#打印数据集的键值
cancer.keys()
print('肿瘤的分类：',cancer['target_names'])
print('\n肿瘤的特征：',cancer['feature_names'])
#将数据集拆.]]></description><category></category></item><item><title><![CDATA[机器学习贝叶斯实战]]></title><link>https://blog.youkuaiyun.com/yeopeq/article/details/124656943</link><guid>https://blog.youkuaiyun.com/yeopeq/article/details/124656943</guid><author>yeopeq</author><pubDate>Sun, 08 May 2022 23:21:33 +0800</pubDate><description><![CDATA[#导入数据集生成工具
from sklearn.datasets import make_blobs
#导入贝努利贝叶斯模型
from sklearn.naive_bayes import BernoulliNB
#导入模型拆分工具
from sklearn.model_selection import train_test_split
import numpy as np
#生成5类正态分布的样本
X, y = make_blobs(n_samples=500, centers=5, random_st.]]></description><category></category></item><item><title><![CDATA[各种数据集的生成]]></title><link>https://blog.youkuaiyun.com/yeopeq/article/details/122702146</link><guid>https://blog.youkuaiyun.com/yeopeq/article/details/122702146</guid><author>yeopeq</author><pubDate>Wed, 26 Jan 2022 15:52:21 +0800</pubDate><description><![CDATA[一、月牙形数据集的生成

   生成月牙形数据集有两种方法:

   一种是自建函数:

   这篇文章里边有月牙形数据集的构成原理，感兴趣的可以去看看，个人觉得这篇挺好的。


“双月”数据集的生成_踏雪无痕是个小疯子的博客-优快云博客_双月数据集


   另一种是直接调用sklearn库里边的数据集中的make_moons函数给参数赋值直接生成月牙形数据集，函数的使用方法在sklearn官网有详细介绍：


https://scikit-learn.org/stable...]]></description><category></category></item><item><title><![CDATA[多采样率数字信号处理及matlab实现]]></title><link>https://blog.youkuaiyun.com/yeopeq/article/details/122410744</link><guid>https://blog.youkuaiyun.com/yeopeq/article/details/122410744</guid><author>yeopeq</author><pubDate>Mon, 10 Jan 2022 14:58:05 +0800</pubDate><description><![CDATA[1.设计内容
（1）有一段以采样频率8192Hz采样得到的语音数据，存在文件“erf1s1t0”中，信号长度不够时信号补零使其长度为8192。
（2）对采集得到的语音信号进行fft，分析信号频谱特性；
（3）对语音信号对进行下采样（每隔4中抽取一个采样），演示采样信号的声音效果，分析信号的频谱特性，绘出其频谱并进行分析。
（4）对语音信号进行上采样（上采样系数为D=4），演示上采样信号的声音效果，分析其频谱并进行分析。
（5）先对语音信号进行低通滤波（截止频率为Fs/D的线性相位FIR滤波器，过渡带宽度为0]]></description><category></category></item><item><title><![CDATA[FIR数字滤波器设计与软件实现]]></title><link>https://blog.youkuaiyun.com/yeopeq/article/details/122279578</link><guid>https://blog.youkuaiyun.com/yeopeq/article/details/122279578</guid><author>yeopeq</author><pubDate>Sun, 02 Jan 2022 19:46:49 +0800</pubDate><description><![CDATA[1、设计内容
（1）调用信号产生函数xtg产生具有加性噪声的信号xt，并自动显示xt及其频谱；
（2）设计低通滤波器，从高频噪声中提取xt中的单频抑制载波调幅信号，要求信号幅频失真小于0.1dB，将噪声频谱衰减60dB。观察xt的频谱，确定滤波器指标参数。
（3）根据滤波器指标选择合适的窗函数，计算窗函数的长度N，调用MATLAB函数firl设计一个FIR低通滤波器，并编写程序，调用MATLAB快速卷积函数fftfilt实现对xt的滤波。绘图显示滤波器的频响特性曲线、滤波器输出信号的幅频特性图和时域波形图。]]></description><category></category></item><item><title><![CDATA[单片机定时需设初值的原因]]></title><link>https://blog.youkuaiyun.com/yeopeq/article/details/121415972</link><guid>https://blog.youkuaiyun.com/yeopeq/article/details/121415972</guid><author>yeopeq</author><pubDate>Fri, 19 Nov 2021 09:58:30 +0800</pubDate><description><![CDATA[关于单片机定时需设初值的原因
单片机运行过程是一位一位往上加
定时计数有四种工作模式，每一种工作模式都有其定时计数的最大值
设初值的原因：举个例子，比如工作模式的最大值为瓶子的容量，运行就是往其中加水，定时计数的多少就是加的水量，要想把所加水量完全包含的话需要，加的水量=瓶子的容量-之前的水量，之前的水量就相当于系统所设初值。

...]]></description><category></category></item><item><title><![CDATA[差分方程区分FIR和IIR系统]]></title><link>https://blog.youkuaiyun.com/yeopeq/article/details/121415756</link><guid>https://blog.youkuaiyun.com/yeopeq/article/details/121415756</guid><author>yeopeq</author><pubDate>Fri, 19 Nov 2021 09:49:57 +0800</pubDate><description><![CDATA[数字信号处理中的FIR和IIR系统

IIR系统
（1）系统函数可以写成封闭函数的形式
（2）具有反馈回路（z变换分母z的负m次幂，其中m表示反馈环的个数）
（3）极点在单位圆内（递归结构来配置极点，递归结构：当前信号的输出值也取决于过去信号的输出值）
FIR系统
不存在系统极点


...]]></description><category></category></item><item><title><![CDATA[使用matlab删除某一列元素]]></title><link>https://blog.youkuaiyun.com/yeopeq/article/details/119175219</link><guid>https://blog.youkuaiyun.com/yeopeq/article/details/119175219</guid><author>yeopeq</author><pubDate>Wed, 28 Jul 2021 11:15:16 +0800</pubDate><description><![CDATA[使用matlab删除某一列元素
使用a = （：i）=[]；在2014a中使用报错
下面这种不会报错
V = [1,2,3,6];
a = a(:,V);%保留1 2 3 6 列，a是原矩阵

]]></description><category></category></item><item><title><![CDATA[syntax error near ‘while‘ 错误修改]]></title><link>https://blog.youkuaiyun.com/yeopeq/article/details/118713888</link><guid>https://blog.youkuaiyun.com/yeopeq/article/details/118713888</guid><author>yeopeq</author><pubDate>Tue, 13 Jul 2021 23:45:53 +0800</pubDate><description><![CDATA[syntax error near ‘while’ 错误修改 代码中缺少 分号 或者 大括号

]]></description><category></category></item></channel></rss>