Ubuntu：带有GPU的宿主机1.通过指令查看支持的驱动，比如我的电脑支持nvidia-driver-460# 查看支持的nvidia驱动$ubuntu-driver devices2.安装驱动之后查看支持的cuda版本,安装完成nvidia-driver-460使用下面指令可以看到支持的cuda版本为cuda11.2$nvidia-smi3.安装cuda和cudnn,我的驱动支持的cuda版本

ubuntu18.04安装docker容器，使用常见docker指令

实现精准定时器需要使用操作系统提供的高精度计时器，Linux中提供了POSIX定时器，可以满足微秒级别的需求。

这个要紧关头，如果我们的模型运行的足够快，可以省机器又可以腾一些buffer上新模型岂不很爽，这个时候也就需要优化模型了，其实优化手段也都差不多，只不过平台从arm等嵌入式端变为gpu等桌面端了。同时也是抛砖引玉，看看大家对于部署有没有更好的想法。量化训练是在模型训练中量化的，与PTQ(训练后量化)不同，这种量化方式对模型的精度影响不大，量化后的模型速度基本与量化前的相同(另一种量化方式PTQ，T

MVP是由MVC发展而来，总体目的与作用相同。都是为了软件构架有层次之分，使得核心逻辑、界面控制、数据这三者分层清晰明了。减少了三者之间的逻辑耦合与功能耦合。也是的代码清晰易读。从而减少因写代码造成的bug。也增加了软件整体的稳定性。

curl上传文件到minio服务器。

以上示例都是人类的迁移学习的能力。迁移学习是什么？所谓迁移学习，或者领域适应Domain Adaptation，一般就是要将从源领域（Source Domain）学习到的东西应用到目标领域（Target Domain）上去。源领域和目标领域之间往往有gap/domain discrepancy（源领域的数据和目标领域的数据遵循不同的分布）。迁移学习能够将适用于大数据的模型迁移到小数据上，实现个性化

环境操作系统：Ubuntu 16.04OpenCv版本：4.4.0交叉工具链：aarch64-linux-gnu-gcc，gcc version 6.2.1获取OpenCV源代码这里推荐大家到网上找OpenCV的Linux版本安装包（.tar.gz结尾），不要github上clone（clone下来的没编译通过）https://github.com/opencv/opencv/releases/t

https://blog.csdn.net/qq_33200967/article/details/82421089

在嵌入式Linux下，USB设备节点的名称ttyUSB是根据设备的插拔顺序而动态分配的，因此可能会导致设备节点名称不固定的问题。