文章目录一、前言二、跑通Demo2.1环境安装：创建uniapp2.2音视频插件配置2.3安装插件并新建项目：2.4云打包一、前言在使用声网SDK做音视频会议开发时，通过声网官方论坛了解到，声网是提供uniapp插件的，只是在官方文档中不是很容易找到。插件地址如下：Agora音视频插件Agora音视频插件（JS）本文讲解如何跑通演示示例二、跑通Demo2.1环境安装：参考：2.通过vue-cli命令行-
前言GICI-LIB是由上海交通大学池澄博士开源的GNSS/INS/Camera组合导航库GICI-LIB原文链接：C.Chi,X.Zhang,J.Liu,Y.Sun,Z.Zhang,andX.Zhan,"GICI-LIB:AGNSS/INS/CameraIntegratedNavigationLibrary,"arXivpreprint,arXiv:2306.13268. https://doi.org/10.48550/arXiv.2306.13268.GICI-LIB有以下几个特点：基于因子图优化（FGO），包含几乎所有的GNSS因子、惯导因子、视觉因子及运动约束；使用可靠的初始化、观测
目录一、数据采集1、安装采集app2、录制问题：找不到录制数据在哪里二、数据打包1、准备打包文件1）kalibr_bagcreater.py2）第三方库utility_functions.py2、打包问题：/usr/bin/env:“python\r”:没有那个文件或目录三、参数标定1、安装kalibr1）安装依赖项2）创建工作空间问题：catkin：未找到命令3）下载及编译2、相机标定1）前期准备2）标定问题：kalibr_calibrate_cameras：未找到命令3、imu标定1）ceres2）依赖项3）安装code_utils问题：Invoking"make-j1-l1"failed
目录前言一、前期准备工作（1）Anaconda的下载（2）PyCharm的下载（3）Github代码下载（4）数据下载二、配置环境（1）环境文件（2）查看训练结果和损失函数（3）在PyCharm中运行与修改三、结果展示前言本文创作来源于B站上的一个搭建深度学习环境视频，我将从零开始教大家搭建一个基础的深度学习案例环境以及解答本人在搭建时遇到的一系列问题。本文将以Github上的Pix2Pix为例，展示深度学习中环境搭建以及Github代码的使用。B站相关视频（建议配套使用）：【傻瓜式】手把手教你搭建深度学习环境以及跑通Github代码（以Pix2PixGAN为例）Github项目链接：http
先介绍一下学者使用的运动轨迹预测数据集ArgoverseMotionForecastingDatasetv1.1现在Argoverse数据集已经出到v2版本，可以支持windows系统，但大多学者都是用2019发布的Argoversev1.1，这个版本的api没有提供windows系统的支持，数据集作者说应该是转义字符的问题。（Argoversev2的MotionForecastingDataset更大，全部下载完要50+g）。https://github.com/argoai/argoverse-api可以根据上面链接下载Argoverseapi，这里都是使用v1.1版本的。Argovers
20230129在AIO-3568J开发板在原厂Android11下跑通6275s0、使用Firefly的AIO-3568J的自带Andorid11，内核按照Firefly的模式编译，Android11按照原厂的模式编译。可以打开WIFI上网，和使用BT蓝牙接受图片。但是adb不能连接，插U盘不识别？TF可用。Y:\RK356X_Android11.0\device\rockchip\rk356x\rk3568_firefly_aioj\BoardConfig.mkY:\RK356X_Android11.0\device\rockchip\rk356x\rk3568_r\BoardConfig
背景在YOLOv5官方的6.1版本中，我发现Data目录下多了5种数据集，包括无人机航拍数据集VisDrone和遥感数据集xView，这反映了官方也是在小目标检测中在偷偷发力。这篇博文就来记录如何用YOLOv5跑通VisDrone数据集。数据集我已上传到网盘里，有需要的读者可以进行下载：https://pan.baidu.com/s/1UNQlZGHZlAZs412tbnpAxg?pwd=8888数据集结构数据集总共分四个文件：VisDrone2019-DET-train：训练集VisDrone2019-DET-val：验证集VisDrone2019-DET-test-dev：测试集(带标签)
Faster-RCNN模型搭建跑通总结0、前言1、准备操作系统2、安装驱动及cuda2.1、安装驱动2.2、安装cuda3、安装anaconda和pytorch3.1安装anaconda3.1.1为什么推荐安装anaconda而不是pip安装？3.1.2安装anaconda3.1.3配置国内镜像源3.2安装pytorch3.2.1确认要安装的pytorch版本3.2.2安装pytorch3.2.2.1在conda中创建虚拟环境3.2.2.2激活该虚拟环境3.2.2.3在该环境中安装pytorch3.2.2.4确认安装的pytorch版本4、训练faster-rcnn模型4.1下载模型到本地4.
前段时间写了关于flutter的一系列基础知识和入门的一些坑，中间把ios端的项目编译部署等工作一带而过，这里我觉得还是有必要专门写一篇文章来讲讲这个，顺便把环境问题也一起说了。我们都知道开发ios应用需要用到苹果电脑，即使flutter也不例外，flutter编译构建需要Xcode来协助，而Xcode是没有win平台应用的，那只能倒逼着我们去买苹果电脑，但是身边没有苹果电脑怎么办呢，不喜欢折腾的程序员不是好程序员，生命不息，折腾不止，我们一起来装黑苹果： 我的笔记本配置基本是符合要求的，我们去黑苹果(黑苹果星球-分享Mac的精彩世界)网站下载专门的镜像,不过这里的资源是需要收费的，我可是花
目录1.一些可用的参考链接2.开始训练yolov72.1--weights2.2--cfg2.3--data2.4--hyp2.5--epochs2.6--batch-size2.7--workers2.8--name1.一些可用的参考链接官方YOLOv7项目地址：https://github.com/WongKinYiu/yolov7如果想设置早停机制，可以参考这个链接：yolov7自动停止（设置patience）且输出最优模型时的PR图（testbest.py）学习train.py中的参数含义，可参考手把手调参最新YOLOv7模型训练部分-最新版本（二）学习detect.py中的参数含义，
