备注：参考博客最后安装的pytorch无法使用cuda-----目前没找到原因，不知如何解决。但是官方的教程没问题！

在ubuntu系统中搭建笔记文档（typora+Picgo+Gitee)（全程记录）系统配置：ubuntu18.041、安装typoratypora官网Typora常用快捷键（翻译）命令行中依次执行以下命令：# or run:# sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys BA300B7755AFCFAEwget -q

在用户目录下，找到隐藏文件 文件然后在末尾添加操作：保存生效 :这样有个问题是，当关闭shell后，就会失效或者代码中添加如下代码：os查看当前路径1.os模块下面的路径为运行路径，不是绝对路径在哪运行就是哪里的路径2.sys模块

模型评估标准与指标K折交叉验证交叉验证 交叉验证( Cross Validation )是一种比较好的衡量机器学习模型的统计分析方法，可以有效避免划分训练集和测试集时的随机性对评价结果造成的影响 ，我们可以把原始数据集平均分为 K 组不重复的子集, 每次选 K − 1 组子集作（K 一般大于 3）为训练集, 剩下的一组子集作为验证集，这样可以进行 K 次试验并得到 K 个模型,将这 K 个模型在各

本人需要用C++写代码，调用OpenCV库，且要求OpenCV版本号大于4.1.0由于使用的是18.04的版本，所以apt安装OpenCV的版本始终是3.2.0，非常拉胯！！！所以只能重新编译安装OpenCV。

机器视觉系统主要由三部分组成：图像的获取、图像的处理和分析、输出或显示。而图像的获取是机器视觉的核心，图像的获取系统则是由光源、镜头、相机三部分组成。机器视觉系统中，光源的选取与打光是否合理可直接影响至少30%的图像成像质量，所以光源是机器视觉系统中非常重要的一部分。1、需要前景与背景更大的对比度?–考虑用黑白相机与彩色光源2、环境光的问题?–尝试用单色光源，配一个滤镜3、闪光曲面?–尝试用散射圆

在实际工业应用中，系统使用面阵或线阵传感器作为成像器件，因此系统的分辨率通常也会受到成像传感器中像元分辨率的限制。像元分辨率定义为单位毫米内像素单元数的一半，即=1/2P，其中p为像素单元的尺寸大小。例如一个CCD的像元尺寸大小为5×5微米，则像元分辨率则为：=1/（2*0.005）=100（lp/mm）。传感器的像元分辨率限制了系统的最高分辨率，即使镜头的分辨率再高，系统也不可能分辨高于像元分辨

注意第一行cmake的版本要求是小于3.26即可，大于的话会报错。应该就在：/usr/local/lib/pkgconfig下。加载camke的时候会报一个警告，没事不影响。这里可以去看一下opencv4.pc文件。来找到opencv4.pc文件。重新source后就可以查看了。这里需要等很久，要有耐心。ps: 实际使用的例子。

pytorch的模型保存和读取torch.save:Saves a serialized object to disk. This function uses Python’s pickle utility for serialization. Models, tensors, and dictionaries of all kinds of objects can be saved using

原文paramdefinecv2.VideoCapture.get(0)CV_CAP_PROP_POS_MSEC视频文件的当前位置（播放）以毫秒为单位cv2.VideoCapture.get(1)CV_CAP_PROP_POS_FRAMES 基于以0开始的被捕获或解码的帧索引cv2.VideoCapture.get(2)CV_CAP_PROP_POS_AVI_RATIO 视频文件的相对位置（播放）