使用ffmpeg和mediamtx搭建多个rtsp模拟相机，无需用户验证

实现目标：一、设备自启后能够获得服务的ip与端口号，用于计算机连接设备；二、计算机可以通过服务ip与端口访问设备服务；三、上传需要处理的数据，返回结果反馈给用户；四、上传到服务器的数据不会导致设备内存耗尽，自动删除多余的数据；进阶（未实现）：五、提供用户登陆功能，设备支持唯一damin管理员用户。其他用户可注册；六、提供登陆界面，用户通过登陆界面输入用户名与密码登录；七、支持已处理的数据记录在设备

1、为了方便将树莓派部署为一个本地web服务器，需要知道访问服务的IP地址与端口号；2、使用OLED显示，且除了显示地址与端口号的字符位置外，还可以显示需要展示的logo；

最近在将yolov8 pose模型部署到芯片架构为ARM64的树莓派上时，发现在同一张图片上进行推理，如果使用Pytorch格式的模型在100次测试后得到平均每次耗时1175毫秒，而如果使用ONNX格式的相同模型在100次测试后得到的平均每次耗时则为574毫秒。在主要人体目标和关节点识别效果几乎相同的情况下，两者之间的推理耗时，ONNX格式的模型推理在速度上具有明显的提升。在ONNX官方文档中介绍

尝试配置/boot/dhcpcd.conf文件无效，无法联网；

回溯算法的递归结构就是和满树一样的结构，每个节点都和根节点一样，所有的处理都是嵌套的。当存在一些限制条件的时候，这些限制条件将会限制某些子树的扩展。在回溯算法当中，回溯的过程其实就是从子树回到子树的根节点，子树的根节点重复这个过程，最终回到整个树的根节点。在回溯的过程当中，向子树深度遍历的方向和子树根节点同一层的遍历的方向在处理节点item上是一个正反关系的一个过程。向下遍历item可能存在pus

测试模型TinyLlama-1.1B-Chat-v1.0修改推理参数变量，获取参数变化与推理时间变化之间的关系。

pycharm2019安装包以及汉化文件链接：https://pan.baidu.com/s/1I6BJ9K2dyhuVh_B7ZgyxVg提取码：cg94

在MATLAB当中可以通过在“命令行窗口”输出help trainNetwork获得简单的深度学习网络的搭建的代码。为了获得经过训练得到的深度学习模型的结构与学习参数个数，而不用动手分析和计算，可以使用MATLAB中的函数实现对深度学习模型与参数个数的直观输出。经过深度学习训练之后，得到深度学习模型net。函数：net.Layers即可各个层的名称与深度；函数：analyzeNetwork(net

测试模型TinyLlama-1.1B-Chat-v1.0修改推理参数变量，获取参数变化与推理时间变化之间的关系。