Pytorch基础复习Pytorch简单入门 安装以后进行简单测试： 验证GPU是否可以使用： 12345678910111213from __future__ import print_functionimport torchx = torch.rand(5, 3)print(x)tensor([[0.3380, 0.3845, 0.3217], [0.8337, 0.9050,

YOLOv3 Int8量化YOLOv3 Pytorch版本代码梳理选用Pytorch版本YOLOv3代码链接：https://github.com/bubbliiiing/yolo3-pytorch/tree/bilibili YOLOv3-Pytorch img:存放detect图片。 logs：存放权值文件。 model_data：存放各种数据集的类别信息。 nets：网络模型结构文件夹：

YOLOv3 YOLOv3 小黄人单目标检测 YOLOv3目标检测模型 手写实现YOLOv3 构建网络 数据集制作 工具类utils anchor配置文件config train 检测流程 小黄人单目标检测 使用的数据集的坐标为左上角和右下角点位。 输出： c：0或1，表示是否包含目标 x1,y1： x2,y2：两个点用于画出回归框 cls：具体是哪一类的 和标签进行损失对比，损失总

单目标检测单目标检测流程单目标检测：判断一张图片上是否有对应目标 人脸检测 小黄人检测 小黄人目标检测：需要考虑的东西 数据：正负样本。 二分类：判断是否包含小黄人，输出层sigmoid（数据归一化为0-1，设置一个阈值来判断是否包含小黄人） 回归：画出框，输出层不需要激活(输出四个坐标值) 小黄人种类：多分类问题，输出层使用softmax（每类概率和为1），小黄人也是有种类的 pyto

手写数字识别Pytorch 实现手写数字识别，加深对网络模型理解和Pytorch代码理解 全连接网络模型构建12345678910111213141516171819202122class Net_v1(nn.Module): # 初始化模型 def __init__(self): super(Net_v1,self).__init__() # 全连接网络

C++ asio学习五网络结构的更新 asio网络层，会使用io_context进行数据封装，底层的话，在linux中就是epoll模型，在windows就是iocp模型。 当服务器的接受数据较多时，又要处理接收到的信息的逻辑处理，逻辑处理一般会放到一个逻辑处理队列中进行处理。因为有时候逻辑比较复杂。 通过一个队列，单独线程从队列中取出逻辑函数。从而实现网络线程和逻辑线程分开，由一个队列进行连接。

C++ asio学习四大小端字节序 网络字节序为大端序，计算机内部存储有可能是大端，有可能是小端。 网络传输时，需要将本地数据转换为大端序，实现字节序的转换。 判断是大端还是小端： 1234567891011// 判断当前系统的字节序是大端序还是小端序bool is_big_endian() { int num = 1; if (*(char*)&num == 1)

C++ asio学习三用智能指针延长session的生命周期问题： 客户端断开后：会触发服务器对应session的写或读事件，由于是异步编程，需要在回调中对读写事件进行处理。 客户端断开， 则应该析构掉该session。但是此时该session在asio底层回调队列中可能还有很多读写函数对象在排队等着执行 。 如果在某个读写回调对象把这个session析构掉了，那之后执行的读写回调函数可能会再

C++ asio学习二asio异步写操作 async_write_some是异步写的函数：传入buffer和回调函数以及参数以后，发送后会调用回调函数。 123456789101112void Session::WriteToSocketErr(const std::string& buf) { // make_shared 延长_send_node 的生命周期。 _se

C++ asio学习一TCP通信基本流程      单线程流程中，服务器创建用于监听的套接字，绑定本地的ip和端口，listen函数去监听绑定的端口。      如果有客户端进行连接，服务器端就可以和发起连接的客户端建立连接，连接建立成功会生成一个用于通信的套接字。用于监听的套接