深度 目标halcon
自己找教学场景相关github目标识别代码研读（10.21~10.28）
任务： 1、解决上次老师问的一些问题？ （1）上次老师提到F1得分，再总结一下： 混淆矩阵 TP：预测正例，实际正例（预测对） FN：预测负例，实际正例（预测错） FP：预测正例，实际负例（预测错） TN：预测负例，实际负例（预测对） 精确率 = TP / (TP+FP) ：预测为正例的那些数据里预 ......
《动手学深度学习 Pytorch版》 10.1 注意力提示
10.1.1 生物学中的注意力提示 “美国心理学之父” 威廉·詹姆斯提出的双组件（two-component）框架： 非自主性提示：基于环境中物体的突出性和易见性 自主性提示：受到了认知和意识的控制 10.1.2 查询、键和值 注意力机制与全连接层或汇聚层区别开来的元素：是否包含自主性提示 在注意力 ......
"wdsmcast" 是用于 Windows 部署服务的命令行实用程序，用于将网络启动映像（NBP）和其他必要文件发送到目标计算机以进行远程安装操作。其作用是通过多播协议快速、高效地向多台计算机发送数据，从而实现远程安装操作的自动化和简化
"wdsmcast" 是用于 Windows 部署服务的命令行实用程序，用于将网络启动映像（NBP）和其他必要文件发送到目标计算机以进行远程安装操作。其作用是通过多播协议快速、高效地向多台计算机发送数据，从而实现远程安装操作的自动化和简化。 以下是 "wdsmcast" 命令的一些常见参数和示例用法 ......
深度优先搜索的最短路径问题
这个简单的图，要求使用深度优先算法求出（1,1）到终点的最短路径。 1、分析 就目前看来，(1,1)->(1,2)->(2,2)->(2,3)->(2,4)->(3,4)->(4,4)->(4,3)和(1,1)->(2,1)->(3,1)->(4,1)->(5,1)->(5,2)->(5,3)->( ......
Web3.0热门领域NFT项目实战-深度掌握Solidity合约开发，助力Web3.0工程师
Web3.0热门领域NFT项目实战-深度掌握Solidity合约开发，助力Web3.0工程师 免费自动批量生成NFT图片和批量部署NFT 一、环境准备 1.注意：需合理上网 2.准备素材：准备一套多个属性元素的不一样的图层素材，比如10张背景图、10张face图、10张眼睛图层、10张头发图层等，每 ......
深度优先算法
一、例子 提问：输入一个数字n，输出1~n的全排列。 首先，将全排列比作小盒子和扑克牌 将数字比作扑克牌，我们有1号，2号，3号扑克牌和1号2号3号3个盒子。每个盒子只能放置一个扑克牌，实现全排列。那我们如何往小盒子中放入扑克牌。每个小盒子都可能放1号、2号或者3号扑克牌，这都需要一一尝试，这里一个 ......
深度学习设置随机数种子
seed = 2023 torch.manual_seed(seed) # torch的CPU随机性，为CPU设置随机种子 torch.cuda.manual_seed(seed) # torch的GPU随机性，为当前GPU设置随机种子 torch.cuda.manual_seed_all(seed ......
深度学习环境搭建(Windows11)
偶然重装了系统，再此记录下环境的恢复
基本深度学习环境的搭建，包括Anaconda+CUDA+cuDNN+Pytorch+TensorRT的安装与配置。 ......
动手学深度学习--第三方库的学习
from pixiv Pandas Creating, Reading and Writing pandas中有两类实体类： the DataFrame and the Series. DataFrame A DataFrame is a table. Series A Series, by con ......
windows的深度学习环境软件版本（cuda/cudnn/pytorch）
恢复内容开始 为了方便多个深度学习框架的环境配置，推荐使用anoconda进行搭建。 CUDA Toolkit Archive | NVIDIA Developer 恢复内容结束 ......
js逆向·找到登录时目标网站的加密算法的几种方式
js逆向·找到登录时目标网站的加密算法的几种方式 为什么要去找到目标网站的加密密码方法： 为了要把我们的payload正确的带入目标网站的服务器进行逻辑验证，那么就需要知道对方使用的什么加密或者编码规则来处理数据的，比如说我们输入的密码被base64编码了，然后发送给后端，后端会进行解码过后再带入逻 ......
Pytorch深度学习环境配置 | NVIDIA-driver + Pytorch + miniconda
为了验证我的环境配置方法没有问题，我特意租了两小时云服务器来从0配置环境。 云服务器厂家：Ucloud ubuntu22.04 3090 * 2 1. 装 NVIDIA-driver 参考：https://zhuanlan.zhihu.com/p/366882419 1.1. 下载驱动 nvidia ......
四 通用目标之make modules的执行过程分析
搜索顶层makefile发现会有两个modules目标，它们的定义分别如图3.13和3.14，查看代码发现它们分别位于ifeq ($(KBUILD_EXTMOD),)和else的条件中。KBUILD_EXTMOD的定义可以参考图2.5，即若编译的为外部模块（含有M=xxx参数），则将其设置为1，否则 ......
关于Halcon中variation_model模型的快速解读。
关于Halcon中variation_model模型这方面的资料网络上也基本是空白，不过好在Halcon的帮助文档非常人性化，经过自己的尝试，基本复现了这个算子的各个细节，分享供大家共同研究。 ......
第九节：单点登录方案深度剖析
一. 二. 三. ! 作 者 : Yaopengfei(姚鹏飞) 博客地址 : http://www.cnblogs.com/yaopengfei/ 声 明1 : 如有错误，欢迎讨论，请勿谩骂^_^。 声 明2 : 原创博客请在转载时保留原文链接或在文章开头加上本人博客地址，否则保留追究法律责任的权 ......
《动手学深度学习 Pytorch版》 9.8 束搜索
本节将介绍几大： 贪心搜索（greedy search）策略 穷举搜索（exhaustive search） 束搜索（beam search） 9.8.1 贪心搜索 贪心搜索已用于上一节的序列预测。对于输出序列的每一时间步 \(t'\)，都从 \(\boldsymbol{Y}\) 中找到具有最高条件 ......
《动手学深度学习 Pytorch版》 9.6 编码器-解码器架构
为了处理这种长度可变的输入和输出， 可以设计一个包含两个主要组件的编码器-解码器（encoder-decoder）架构： 编码器（encoder）：它接受一个长度可变的序列作为输入，并将其转换为具有固定形状的编码状态。 解码器（decoder）：它将固定形状的编码状态映射到长度可变的序列。 9.6. ......
《动手学深度学习 Pytorch版》 9.7 序列到序列学习（seq2seq）
循环神经网络编码器使用长度可变的序列作为输入，将其编码到循环神经网络编码器固定形状的隐状态中。 为了连续生成输出序列的词元，独立的循环神经网络解码器是基于输入序列的编码信息和输出序列已经看见的或者生成的词元来预测下一个词元。 要点： “<eos>”表示序列结束词元，一旦输出序列生成此词元，模型就会停 ......
深度学习（pytorch载入onnx测试）
测试模型用之前文章训练的Alexnet模型。 首先将pth文件转为onnx文件: import torch import torch.nn as nn # 自定义AlexNet模型 class AlexNet(nn.Module): def __init__(self): super(AlexNet ......
《动手学深度学习 Pytorch版》 9.5 机器翻译与数据集
机器翻译（machine translation）指的是将序列从一种语言自动翻译成另一种语言，基于神经网络的方法通常被称为神经机器翻译（neural machine translation）。 import os import torch from d2l import torch as d2l 9 ......
哪款最适合你？7大免费需求管理工具深度比较
分享7款不错的免费需求管理工具：1.PingCode；2.Worktile；3. Trello；4. Asana；5. JIRA；6. ClickUp；7. Monday.com。选择免费还是付费的需求跟踪工具是一个大多数人都会面临的问题。免费工具的最大优点显而易见——它们不收费。但这也意味着这些工 ......
【短道速滑十一】标准的Gabor滤波器及Log_Gabor滤波器的实现、解析、速度优化及其和Halcon中gen_gabor的比较。
最近有朋友在研究Halcon中gen_gabor的函数，和我探讨，因为我之前也没有怎么去关注这个函数，因此，前前后后大概也折腾了有一个星期去模拟实现这个东西，虽然最终没有实现一模一样的这个函数，但是也是有所收获，这里做一点总结，也算是最这个函数有个完美的收尾吧。 ......
课程二第一周：深度学习的实用层面
深度学习的实用层面 Train/Dev/Test sets 深度学习是一个典型的高度迭代的过程，需要不断地进行循环测试，来找到最适合当前网络的超参。一方面可以提升迭代的效率，另一方面可以避免过度拟合等问题。 在实践中，（合理的）高质量训练集、验证集和测试集，有助于提升迭代的效率。 Train/Dev ......
《动手学深度学习 Pytorch版》 9.4 双向循环神经网络
之前的序列学习中假设的目标是在给定观测的情况下对下一个输出进行建模，然而也存在需要后文预测前文的情况。 9.4.1 隐马尔可夫模型中的动态规划 数学推导太复杂了，略。 9.4.2 双向模型 双向循环神经网络（bidirectional RNNs）添加了反向传递信息的隐藏层，以便更灵活地处理此类信息。 ......
CRM系统在销售目标管理中的作用是什么？
销售管理者为了激励销售人员、评估业绩、进行奖励，往往需要建立一个基本标准，就是人们常说的销售目标。设定销售目标时，既要激励到员工，又不能把标准定得过高。CRM系统在销售目标管理中起到什么作用？该如何通过CRM销售管理系统制定销售目标？ 建立销售目标的五大原则 杰克、D、威尔纳《成功销售管理的七个秘密 ......
错误 NETSDK1136 如果使用 Windows 窗体或 WPF，或者引用使用 Windows 窗体或 WPF 的项目或包，则必须将目标平台设置为 Windows (通常通过在 TargetFramework 属性中添加 "-windows")。
背景： 当同一解决方案的项目A引用项目B的时候出现引用异常 大概意思是项目A的框架类型是.net 7.0，项目B的框架类型是net7.0-windows 两者不兼容 查看了连着的项目类型发现项目B是指定为Windows操作系统（注：建立类库项目B时没有指定操作系统，不知为啥显示指定了） 类库项目A是 ......
《动手学深度学习 Pytorch版》 9.3 深度循环神经网络
将多层循环神经网络堆叠在一起，通过对几个简单层的组合，产生一个灵活的机制。其中的数据可能与不同层的堆叠有关。 9.3.1 函数依赖关系 将深度架构中的函数依赖关系形式化，第 \(l\) 个隐藏层的隐状态表达式为： \[\boldsymbol{H}^{(l)}_t=\phi_l(\boldsymbol ......
SVN一直报错Error running context: 由于目标计算机积极拒绝，无法连接。解决办法【杭州多测师_王sir】
一、发现SVN一直报错Error running context: 由于目标计算机积极拒绝，无法连接。 二、没有启动 VisualSVN Server。cmd--> services.msc打开本地服务。查看VisualSVN的三个服务的启动类型，建议选择“手动”，不能选择“禁用”，选择“自动”开机 ......
《动手学深度学习 Pytorch版》 9.2 长短期记忆网络（LSTM）
解决隐变量模型长期信息保存和短期输入缺失问题的最早方法之一是长短期存储器（long short-term memory，LSTM）。它与门控循环单元有许多一样的属性。长短期记忆网络的设计比门控循环单元稍微复杂一些，却比门控循环单元早诞生了近 20 年。 9.2.1 门控记忆元 为了记录附加的信息，长 ......