Mac安装maven遇到的问题及解决问题一：TheJAVA_HOMEenvironmentvariableisnotdefinedcorrectly场景分析解决结果问题二：无法打开“libjansi.jnilib”，因为无法验证开发者解决方案问题一：TheJAVA_HOMEenvironmentvariableisnotdefinedcorrectly场景在mac电脑安装maven后，通过vim~/.bash_profile配置maven环境变量，exportM2_HOME=/Users/sujiaying/Documents/maven/apache-maven-3.6.3exportPAT
Mac安装maven遇到的问题及解决问题一：TheJAVA_HOMEenvironmentvariableisnotdefinedcorrectly场景分析解决结果问题二：无法打开“libjansi.jnilib”，因为无法验证开发者解决方案问题一：TheJAVA_HOMEenvironmentvariableisnotdefinedcorrectly场景在mac电脑安装maven后，通过vim~/.bash_profile配置maven环境变量，exportM2_HOME=/Users/sujiaying/Documents/maven/apache-maven-3.6.3exportPAT
问题描述我在前后端分离项目中，在前端vue里面标签中通过绝对路径访问本地图片，在加载图片的时候会报出Notallowedtoloadlocalresource: ，这个问题我也进行了相关的搜索，出现这个问题的原因是因为浏览器出于安全因素，禁止通过绝对路径访问图片，需要通过虚拟路径进行访问，下面我会简单清楚的说明解决的方法。解决方法通过创建一个配置类，配置类去实现 WebMvcConfigurer接口，重写里面的addResourceHandlers 方法。@ConfigurationpublicclassPictureConversionConfigimplementsWebMvcConfig
问题描述我在前后端分离项目中，在前端vue里面标签中通过绝对路径访问本地图片，在加载图片的时候会报出Notallowedtoloadlocalresource: ，这个问题我也进行了相关的搜索，出现这个问题的原因是因为浏览器出于安全因素，禁止通过绝对路径访问图片，需要通过虚拟路径进行访问，下面我会简单清楚的说明解决的方法。解决方法通过创建一个配置类，配置类去实现 WebMvcConfigurer接口，重写里面的addResourceHandlers 方法。@ConfigurationpublicclassPictureConversionConfigimplementsWebMvcConfig
一、运行Java程序我们运行Java程序的时候，一般可以通过下列方式：运行某个Class类（class表示的是包含main函数的class名称(含包名)）java[options]class[arguments]运行某个jar包（jar和xxx.jar配对使用，-jar指示用jar方式启动，而xxx.jar表示的时jar文件的名称）java[options]-jarxxx.jar[arguments]其中[options]表示Java运行环境的可选配置信息，其会影响到java运行环境，是性能调优的关键所在，并且可以传多个选择项。[arguments]表示的是程序自身的参数，会被传到main函数
一、运行Java程序我们运行Java程序的时候，一般可以通过下列方式：运行某个Class类（class表示的是包含main函数的class名称(含包名)）java[options]class[arguments]运行某个jar包（jar和xxx.jar配对使用，-jar指示用jar方式启动，而xxx.jar表示的时jar文件的名称）java[options]-jarxxx.jar[arguments]其中[options]表示Java运行环境的可选配置信息，其会影响到java运行环境，是性能调优的关键所在，并且可以传多个选择项。[arguments]表示的是程序自身的参数，会被传到main函数
node: 代表物理节点，即电脑台数，一台电脑可以有多个GPUnnodes：物理节点数，就是电脑数量node_rank：物理节点的序号，每个电脑的序号nproc_per_node：每个物理节点上面进程的数量，等价于每个电脑上GPU的数量，就是可以开几个进程。group：进程组。默认只有一个组rank&local_rank:在整个分布式中的序号，每个进程都有一个rank和一个local_rank，rank是相对整个分布式而言（就是序号从0开始一直到整个分布式中最后一个GPU的数，类似于range(0,整个分布式GPU数量），这里不是相对于一个node而言，是所有node的GPU总和），local
node: 代表物理节点，即电脑台数，一台电脑可以有多个GPUnnodes：物理节点数，就是电脑数量node_rank：物理节点的序号，每个电脑的序号nproc_per_node：每个物理节点上面进程的数量，等价于每个电脑上GPU的数量，就是可以开几个进程。group：进程组。默认只有一个组rank&local_rank:在整个分布式中的序号，每个进程都有一个rank和一个local_rank，rank是相对整个分布式而言（就是序号从0开始一直到整个分布式中最后一个GPU的数，类似于range(0,整个分布式GPU数量），这里不是相对于一个node而言，是所有node的GPU总和），local
注意力机制1SENet2ECANet3CBAM3.1通道注意力3.2空间注意力3.3CBAM4展示网络层具体信息5SKNet6scSE7Non-LocalNet8GCNet9注意力机制后期学习到再持续更新！！2023年，3月2号，新增SKNet代码2023.3.10新增scSE代码2023.3.11新增Non-LocalNet非局部神经网络2023.3.13新增GCNet1SENetSE注意力机制（Squeeze-and-ExcitationNetworks）:是一种通道类型的注意力机制，就是在通道维度上增加注意力机制，主要内容是是squeeze和excitation.就是使用另外一个新的神经
注意力机制1SENet2ECANet3CBAM3.1通道注意力3.2空间注意力3.3CBAM4展示网络层具体信息5SKNet6scSE7Non-LocalNet8GCNet9注意力机制后期学习到再持续更新！！2023年，3月2号，新增SKNet代码2023.3.10新增scSE代码2023.3.11新增Non-LocalNet非局部神经网络2023.3.13新增GCNet1SENetSE注意力机制（Squeeze-and-ExcitationNetworks）:是一种通道类型的注意力机制，就是在通道维度上增加注意力机制，主要内容是是squeeze和excitation.就是使用另外一个新的神经
