目录前言学习资料一、MobilnetV1二、MobileNetV2倒残差结构：     那么什么是relu6激活函数呢​编辑 LinearBottlenecks三、MobileNetV3SE模块： 更新激活函数：重新设计耗时层结构：使用pytorch搭建MobileNetv2网络结构3.1model.py3.2train.py3.3predict.py 3.4 class_indices.json使用pytorch搭建MobileNetv3网络结构4.1model_v34.2class_indices.json前言最近在完成学校暑假任务时候,推荐的b站视频中发现了一个非常好的计算机视觉+p

前言运行环境Windows使用软件Anaconda（也可以使用Miniconda，相对于Anaconda内置包少一些）使用包管理工具conda、pip使用Python3.9环境（也可以使用其他Python环境，不要太新也不要太旧即可）1.前置准备必须保证电脑使用显卡为NVDIA品牌建议保证电脑CUDA版本大于你想要安装的PyTorch-CUDA版本（可以使用以下命令查看）如果想要安装某一版本的PyTorch-CUDA版本，但是电脑CUDA版本达不到要求，可以进入NVDIA官网升级一下显卡驱动程序版本2.关于踩过的坑安装PyTorch时，一般都会在官网使用STARTLOCALLY提供的conda

一、helm是什么？有哪些版本？有什么作用？ helm是k8s的包管理工具，类似于centos的yum； 当前版本有helm2、helm3相对来说helm3功能更加完善，使用更加方便主要作用是相较于传统的k8s部署应用需要手工编排yaml文件（比如Deployment.yml、service.yml、ingress.yml等），使用helm可以快速部署应用。helm3与helm2的区别在于helm3删除了tiller、支持release在不同的命名空间重用，可以将chart推送到私有仓库中。官方详细介绍：Helm|快速入门指南二、helm的核心概念helm：客户端命令行工具，用于chart的创

在深度学习中，PyTorch和NumPy是两个常用的工具，用于处理和转换数据。PyTorch是一个基于Python的科学计算库，用于构建神经网络和深度学习模型。NumPy是一个用于科学计算的Python库，提供了一个强大的多维数组对象和用于处理这些数组的函数。在深度学习中，通常需要将数据从NumPy数组转换为PyTorch张量，并在训练模型之前对数据进行预处理。同样，在从PyTorch张量中获取数据结果进行分析时，也需要将其转换为NumPy数组。下面将详细描述如何在PyTorch和NumPy之间进行数据转换。1.将NumPy数组转换为PyTorch张量：首先，我们需要导入PyTorch和Num

文章目录一：Dubbo注册中心引言1：什么是Dubbo的注册中心？2：注册中心关系图解3：引入注册中心服务执行流程4：Dubbo注册中心好处5：注册中心核心作用二：注册中心实现方案1：早期2：当前现状三：DubboAdmin介绍1：DubboAdmin简介2：DubboAdmin的主要功能一：Dubbo注册中心引言1：什么是Dubbo的注册中心？    Dubbo注册中心是Dubbo服务治理中极其重要的一个概念。它主要是用于对Rpc集群应用实例进行管理。    对于我们的Dubbo服务来讲，至少有两部分构成，一部分是Provider一部分是Consumer。一个提供服务，一个调用我们的服务。 

Ubuntu+VScode+Anaconda+pytorch配置深度学习环境（保姆级教程）前言：虽然之前跑过yolov5就配置过虚拟环境和深度学习框架，但是隔了一段时间没有用到深度学习的框架就又忘记了怎么在VScode里使用pytorch/tensorflow框架，深度学习依赖的numpy,pandas,kereas…又应该放在哪？是使用在哪的？因此，本文在记录配置pytorch的过程中同时回答以上问题。1、Ananconda下载Anaconda的作用主要用于创建虚拟环境。这里首先回答为什么要用到虚拟环境：我们来假设这么一个场景：假如说你的一个程序要用到Python2+tensorflow，另

前言Eureka：服务注册与发现组件，用于实现服务的自动注册与发现，SpringCloudEureka是对Netflix公司的Eureka的二次封装，它实现了服务治理的功能，SpringCloudEureka提供服务端与客户端，服务端即是Eureka服务注册中心，客户端完成微服务向Eureka服务的注册与发现。服务端和客户端均采用Java语言编写。Eureka作为初代的服务注册和发现组件，其基本思想和原理对于后来的Nacos有深远的影响，在nacos中也能隐约看到其身影。本篇博客介绍Eureka的简介和原理，结合实际使用阐述Eureka的使用并进行分析，此外，介绍了心跳续约策略，服务的下线和剔

MLOPS：大数据/服务器下的大规模机器学习技术—流水线处理技术的简介(标准化/自动化/可复用化)、常用框架(Pipeline/TFX、Airflow/Beam/Kubeflow/MLflow、Flink/Kafka)之详细攻略目录流水线处理技术的简介1、流水线处理技术的概述(标准化/自动化/可复用化)

1.概述最近有时间，跑了一下UNet模型，因为自己的深度学习基础不扎实，导致用了一些时间。目前只停留在使用和理解别人模型的基础上，对于优化模型的相关方法还有待学习。众所周知，UNent是进行语义分割的知名模型，它的U形结构很多人也都见过，但是如果自己没有亲自试过的话，也就只知道它的U形结构，其实里面还是有很多学问的，下面就把自己学习时候的一些理解写一下。最后会拿个完整代码作为例子（实际上自己练习了两个比较成功的例子）2.UNet模型理解先放UNet模型的图，然后介绍再Pytorch相关实现的函数。一般看到这个图，都会看到它从左边逐渐编码，到最底端，之后从底端不断解码，恢复为一张图像。但是很多人

脉冲宽度是指脉冲所能达到的最大值所持续的周期时间。脉冲宽度是电子领域中一个重要的概念，它与脉冲重复间隔和占空比等参数密切相关。脉冲宽度通常用于电信号的测量，可以用来描述脉冲的形状、幅度和宽度等特性。在雷达和电源领域中，脉冲宽度是一个重要的衡量标准。在雷达系统中，脉冲宽度决定了雷达发射射频能量的时间长度。通过改变脉冲宽度，可以控制雷达接收到的目标物体反射能量的多少，进而影响雷达的探测范围和精度。一般来说，增加脉冲宽度可以增加雷达接收到的目标反射能量，从而增加探测范围，但同时也会降低雷达测量的精度。在现代开关模式电源中，脉冲宽度也扮演着重要的角色。通过快速开关固定电压源并平滑处理产生的阶梯状波形，