logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

手把手编写儿童手机远程监控App之Android开发使用github copilot

GitHub Copilot 是 GitHub 推出的一款 AI 编程助手,能帮你更快地编写代码,将更多精力放在解决问题和团队协作上。最近它最大的变化是计费模式从固定订阅制转向了基于Token使用量的计费。

文章图片
#android#github#copilot
YOLOv8详解window安装部署

OLO是基于PyTorch库开发的,而PyTorch则使用python语言开发。由于实际开发中,python版本更新,存在多版本同时安装在电脑,需要一个python虚拟环境管理工具Miniconda。

文章图片
02手把手学会yolov8模型之模型训练

YOLOv8是基于PyTorch库开发的,而PyTorch则使用python语言开发。由于实际开发中,python版本更新,存在多版本同时安装在电脑,需要一个python虚拟环境管理工具Miniconda。YOLO的安装以下步骤后,直接在githubYOLOv8源码。使用vs code 打开源码,打开cmd窗口,进入conna虚拟环境,输入编译源码安装过程,需要网络支持,若遇到网络问题,可技术支持

文章图片
yolov8标注数据训练数据验证数据

YOLOv8是Ultralytics公司于2023年推出的新一代目标检测模型,最大的亮点在于它不再只是一个检测算法,而是一个统一的视觉任务平台,原生支持目标检测、实例分割、姿态估计和图像分类等多项任务。在技术层面,YOLOv8采用无锚框设计和解耦检测头,大幅简化了训练流程并提升精度,同时用全新的C2f模块替换了旧版骨干网络,使特征提取更高效。它提供了从轻量级Nano到高精度X-Large五种预训练

文章图片
手把手编写儿童手机远程监控App之MQTT嘟宝绑定流程

讲解开发嘟宝,Android studio如何配置github copilot,使用ai agent开发。目前为止,嘟宝完成的基本功能设计包括。

文章图片
#webrtc#音视频#人工智能
window 维护多版本Android studio

在开发嘟宝项目时,使用Andorid studio时非常旧,如下图该版本无法使用github copilot,ai agent无法使用,对于开发效率影响极大,同时还需维护几个老项目,无法卸载,否则旧项目无法在新版本中编译。对于嘟宝项目的开发,使用java开发,webrtc库使用的google-webrtc-1.0.32006.aar,需要更新。新版本Andorid studio 需求极大,项目地址

#android studio#android#ide
Android手把手编写儿童手机远程监控App之JAVA基础

Java 语言的语法与 C 语言和 C++ 语言很接近,但也丢弃了 C++ 中很少使用的、很难理解的、令人迷惑的那些特性,如指针、操作符重载、多继承、强制类型转换。特别是Java 语言不使用指针,而是引用。并提供了内存回收机制,使得程序员不必为内存管理而担忧,但也带来java内存泄漏问题。java语言有以下特点————————————————版权声明:本文为CSDN博主「紫_龙」的原创文章,遵循C

文章图片
#android#java
手把手编写儿童手机远程监控App之vue3引入阿里图标

完成使用ai agent生成菜单功能。嘟宝是为监督孩子身边环境而创建的一套应用,它能够实现后台驻留长连接,随时接收嘟妈信令,建立音视频通道点对点通信,而不需要中转服务器。嘟妈是一套WEB 应用,使用vue3编写,能够兼容app、小程序开发。而嘟宝采用原生Andorid开发,能够获取最大权限,保持在后台运行。目前为止,嘟宝完成的基本功能设计包括。

文章图片
手把手编写儿童手机远程监控App之vue3用 AI Agent生成菜单

重构vue3 路由,使得登录、预览页面可以全屏,覆盖底部导航栏。如下图:现在在希望点击右上角三个点,弹出一个菜单。菜单包含以下内容:呼叫、切换相机、远程桌面、挂断。嘟宝是为监督孩子身边环境而创建的一套应用,它能够实现后台驻留长连接,随时接收嘟妈信令,建立音视频通道点对点通信,而不需要中转服务器。嘟妈是一套WEB 应用,使用vue3编写,能够兼容app、小程序开发。而嘟宝采用原生Andorid开发,

文章图片
#人工智能
yolov8标注数据训练数据验证数据

YOLOv8是Ultralytics公司于2023年推出的新一代目标检测模型,最大的亮点在于它不再只是一个检测算法,而是一个统一的视觉任务平台,原生支持目标检测、实例分割、姿态估计和图像分类等多项任务。在技术层面,YOLOv8采用无锚框设计和解耦检测头,大幅简化了训练流程并提升精度,同时用全新的C2f模块替换了旧版骨干网络,使特征提取更高效。它提供了从轻量级Nano到高精度X-Large五种预训练

文章图片
    共 22 条
  • 1
  • 2
  • 3
  • 请选择