论文：https://arxiv.org/abs/2303.04671代码：https://github.com/microsoft/TaskMatrix。

NMS是目标检测的基础，原理比较简单，不在这里赘述，直接上代码：import numpy as npimport matplotlib.pyplot as pltdef py_cpu_nms(dets, thresh):x1 = dets[:,0]y1 = dets[:,1]x2 = dets[:,2]y2 = dets[:,3]areas = (y2-y1+1) * (x2-x1+1)score

1. 前景介绍前几天还在自己的笔记本上训练了yolov5模型和人脸识别模型，使用的GPU。然而，几天做项目时，突然发现GPU不能用了，nvidia-smi后报一下错误：Ubuntu：NVIDIA-SMI has failed because it couldn‘t communicate with the NVIDIA driver.2. 问题分析与解决分析问题：这是一个常见问题，经常出现在ubu

论文：https://arxiv.org/abs/2303.04671代码：https://github.com/microsoft/TaskMatrix。

1./bin/sh: cmake: command not found其实就是没有找到cmake, 把cmake添加到环境变量中, 使其生效就可以了。# 配置cmakeexport PATH="/home/CV-deeplearning/cmake-3.18.1-Linux-x86_64/bin:$PATH"参考：https://zhidao.baidu.com/question/81399143

1. 背景介绍深度学习中训练模型时，通常会对图片进行预处理。工程工程师们经常使用OpenCV或者PIL图像处理库对图片进行预处理，个人推荐使用OpenCV，有利于工程部署，性能也更好。本文着重比较二者在基本图像处理任务上，耗时问题分析。从结果可知，OpenCV的速度更快，提速非常客观。2. 代码展示注：imgs文件夹里面存放的是普通图片。"""author:guopeidate:2021/06/0

自从Yolo v4论文发表以后，新的数据增强方式mosaic备受关注。本文实现该数据增强方式：先看看train.txt中的文件格式 img_path x1,y1,x2,y2,cls/home/gp/dukto/Xray_match/data/train/JPEGImages/300059.jpg 91,263,219,324,2/home/gp/dukto/Xray_match/data/trai

1. 前景介绍前几天还在自己的笔记本上训练了yolov5模型和人脸识别模型，使用的GPU。然而，几天做项目时，突然发现GPU不能用了，nvidia-smi后报一下错误：Ubuntu：NVIDIA-SMI has failed because it couldn‘t communicate with the NVIDIA driver.2. 问题分析与解决分析问题：这是一个常见问题，经常出现在ubu

一. Clion下载与安装1. 从官网下载Clion安装包并解压。默认Clion可以免费使用30天(不用着急，后面有破解教程)。2. 配置环境变量vim ~/.bashrc#添加alias clion=/home/<用户名>/<安装路径>/clion-2021.1.1/bin/clion.sh修改后退出，source使修改生效source ~/.bashrc3. 启动打开终

论文：https://arxiv.org/abs/2303.04671代码：https://github.com/microsoft/TaskMatrix。