前言最近想使用一个开源框架AndServer，根据文档说明，首先需要在Project下的build.gradle做如下配置：buildscript{ repositories{ google() mavenCentral() } dependencies{ classpath'com.yanzhenjie.andserver:plugin:2.1.10' ... }}allprojects{ repositories{ google() mavenCentral() }}但是我的项目下的build.gradle长得是这样子的：plugins{
之前想使用指定的GPU训练模型，查网上的帖子一般是通过设置环境变量来实现的，然后自己试了一下，在debug的时候发现无论怎么弄显示的device都是‘cuda:0’： 也没有多思考，于是就放弃了设置环境变量来指定GPU的方式，改为用以下方式来指定：device=torch.device("cuda:5")data=data.to(device)model=model.to(device) 在debug的时候，发现模型和数据都非常舒服的装载到了自己想要得gpu上，但是感觉这种方法多少有点麻烦，当有多个文件调用的时候，还要把device做为参数传来传去的，很不便捷。
之前想使用指定的GPU训练模型，查网上的帖子一般是通过设置环境变量来实现的，然后自己试了一下，在debug的时候发现无论怎么弄显示的device都是‘cuda:0’： 也没有多思考，于是就放弃了设置环境变量来指定GPU的方式，改为用以下方式来指定：device=torch.device("cuda:5")data=data.to(device)model=model.to(device) 在debug的时候，发现模型和数据都非常舒服的装载到了自己想要得gpu上，但是感觉这种方法多少有点麻烦，当有多个文件调用的时候，还要把device做为参数传来传去的，很不便捷。
前记：以前一直玩的都是微软的windows系列操作系统，最近刚转macOS12版本，遇到各种各样奇奇怪怪的错误在所难免，不妨在此总结一下。在macOS中用pip安装《动手学深度学习》中介绍的d2l库时，发生了下面的错误：pipsubprocesstoinstallbuilddependenciesdidnotrunsuccessfully.error:subprocess-exited-with-error×pipsubprocesstoinstallbuilddependenciesdidnotrunsuccessfully.│exitcode:1╰─>Seeaboveforoutput.n
前记：以前一直玩的都是微软的windows系列操作系统，最近刚转macOS12版本，遇到各种各样奇奇怪怪的错误在所难免，不妨在此总结一下。在macOS中用pip安装《动手学深度学习》中介绍的d2l库时，发生了下面的错误：pipsubprocesstoinstallbuilddependenciesdidnotrunsuccessfully.error:subprocess-exited-with-error×pipsubprocesstoinstallbuilddependenciesdidnotrunsuccessfully.│exitcode:1╰─>Seeaboveforoutput.n
1下载sdk下载地址：https://open.hikvision.com/download/5cda567cf47ae80dd41a54b3?type=101.1下载内容示例 1.2demo示例1.3选择具体示例项目 打开xxx开发示例后，选择想要运行的项目，本文选择第一个项目2sdk环境导入步骤2.1新建Java项目基础操作，不再赘述2.2导入组件2.2.1jar导入将项目中的两个jar导入，可选择导入到项目lib目录下，或者直接导入到项目中 2.2.2sdk组件导入按照1.1下载内容示例的说明文档导入组件，windows电脑将.dll文件全部导入项目提示：最好将组件全部导入项目根目录下
1下载sdk下载地址：https://open.hikvision.com/download/5cda567cf47ae80dd41a54b3?type=101.1下载内容示例 1.2demo示例1.3选择具体示例项目 打开xxx开发示例后，选择想要运行的项目，本文选择第一个项目2sdk环境导入步骤2.1新建Java项目基础操作，不再赘述2.2导入组件2.2.1jar导入将项目中的两个jar导入，可选择导入到项目lib目录下，或者直接导入到项目中 2.2.2sdk组件导入按照1.1下载内容示例的说明文档导入组件，windows电脑将.dll文件全部导入项目提示：最好将组件全部导入项目根目录下
Citations：F.Wimbauer,N.Yang,L.vonStumberg,etal.MonoRec:Semi-SupervisedDenseReconstructioninDynamicEnvironmentsfromaSingleMovingCamera[C].2021IEEE/CVFConferenceonComputerVisionandPatternRecognition(CVPR).Nashville,TN,USA.2021:6108-6118.Keywords：Training,Costs,Three-dimensionaldisplays,Volumemeasureme
Citations：F.Wimbauer,N.Yang,L.vonStumberg,etal.MonoRec:Semi-SupervisedDenseReconstructioninDynamicEnvironmentsfromaSingleMovingCamera[C].2021IEEE/CVFConferenceonComputerVisionandPatternRecognition(CVPR).Nashville,TN,USA.2021:6108-6118.Keywords：Training,Costs,Three-dimensionaldisplays,Volumemeasureme
文章目录build_targets作用注意可视化结果过程详细代码解读准备第一遍筛选扩增正样本Referencebuild_targets作用build_targets函数用于网络训练时计算loss所需要的目标框，即正样本。注意与yolov3/yolov4不同，yolv5支持跨网格预测。即每一个bbox，正对于任何一个输出层，都可能有anchor与之匹配。该函数输出的正样本框比传入的GT数目要多。当前解读版本为6.1可视化结果TODO过程首先通过bbox与当前层anchor做一遍过滤。对于任何一层计算当前bbox与当前层anchor的匹配程度，不采用IoU，而采用shape比例。如果anchor
