Anaconda可以在电脑上创建各种各样的虚拟环境，方便适配不同的项目需求，因此使用起来十分方便、快捷。退出虚拟环境：Linux：source deactivate your_env_name (虚拟环境名称)windows：deactivate your_env_name (虚拟环境名称)查看当前虚拟环境列表：conda info -e创建虚拟环境：conda create -n your_en

深度相机可以获取RGB-D数据，不仅可以提取目标的可将光图像，同时还能获得目标距离相机的深度信息。深度相机在测距、三维重建、动物体尺体况分析等多个方面具有广泛的应用潜力。目前，市面上的深度相机包含多个品牌，包括Kinect系列、Intel RealSense系列以及奥比中光系列等，由于奥比中光相机开源了基于python的控制代码，大多深度学习的项目又都是基于python编写的，所以我们选择了奥比中

本文介绍了PyQt5界面开发的环境配置部分。

在显示视频方面，我们主要的思想就是通过点击“打开摄像头”按钮，来根据我们选择的相机类型，打开相应摄像头，点击”关闭摄像头“，直接就关闭相机。更进一步，我们万一有多个摄像头，比如说笔记本的内置摄像头和外置相机，我们也可以建立一个可选择的。

上篇文章介绍了如何使用PyQt5制作用户登录界面，这篇文章在此基础上展开，建立简单数据库，实现账号登录、账户注册以及找回密码的功能。

上篇文章主要介绍了如何实现登录界面的账号密码注册及登录功能，还简单介绍了有关数据库的连接方法。这篇文章我们介绍一下如何在设计的页面中打开本地的图像，以及实现视频播放功能。

上篇文章已经介绍了如何配置PyQt5环境，这篇文章在此基础上展开，主要记录一下如何使用 PyQt5 制作用户登陆界面，并对一些基础操作进行介绍。

用python为您的朋友画上一棵圣诞树吧，情谊长存，永绽光芒~

YOLOv8 已经出来一段时间了，它同时拥有目标检测，实例分割，关键点检测，跟踪和分类的功能，并且效果达到了SOTA，使得 YOLOv8 得到了很多科研人员的青睐。这里我们主要使用了 github 公布的。接下来，我们主要记录一下，如何自己制作关键点检测数据集，并跑通YOLOv8项目。YOLOv8项目中的关键点检测，也就是分支，主要是标注了人体的骨骼部分，来精炼表示人体运动，如下图所示。

深度学习网络模型的训练往往会花费挺长时间，这时候万一断电了，机器死机了，那真的气不打一处来，想砸机器的冲动有没有？您先别着急，一般咱们的模型都写有模型参数保存功能，比如这样：if epoch%10 == 1:torch.save(model.state_dict(),'{}/moilenetV2_{}_{}.pth.format('./models',epoch,acc))我们只需要找到这个模型保