基于docker搭建nginx

直接使用下面的和官方的opencv 出现了typeid无法识别的问题。如果直接使用的opencv但是看了有些函数被去掉了，我一个项目刚好需要estimateAffinePartial2D函数，但是恰好他没有，那么只能选择官方的opencv（但是又碰上了error: use of typeid requires -frtti主要是用到了typeid 引起的，android为了效率关闭了运行时类型信息

docker部署ftp

国标GB平台发布标准下载

引用：Keyboard and Mouse Shortcuts - ComfyUI

在Windows 11专业版通过WSL安装Ubuntu 20.04，并成功部署Docker环境，解决了直接加载Linux打包的RKNN模型转换工具镜像（rknn-toolkit2-v2.3.2）失败的问题。具体步骤包括：1）从Microsoft Store安装Ubuntu 20.04；2）配置Docker仓库并安装Docker；3）通过WSL文件共享将镜像文件拷贝至Ubuntu目录；4）使用doc

在nacos-docker/xample目录下找到standalone-mysql-5.7.yaml。并修改nacos-docker/env/custom-application-config.env。这里数据库搭建在docker里面，所以我这边的ip选择的就是docker的ip。这里修改文件为如下standalone-mysql-5.7.yaml。需要登录的容器里面进行授权，还有sql也需要执行

参考上一章量化之后，识别速度没有提升，后面我只能换小点的模型了，把【det_10g】改为【det_500m】速度终于提升上来了，识别效果还在在rk3399 上面由1s多 降为500ms左右，但是速度还是有点慢。看了下识别时长，基本都是目标检测和人脸特征提取这两个时间有点长。

本文介绍了一个将MySQL数据库迁移到PostgreSQL的Python脚本工具。该工具能自动转换MySQL建表语句为PostgreSQL兼容格式，主要处理数据类型转换（如INT转INTEGER、DATETIME转TIMESTAMP）、自增主键改为SERIAL类型，并保留表注释和字段注释。脚本使用sqlparse库解析SQL，通过正则表达式匹配和替换MySQL特有语法。使用方法为执行命令&quot

本文详细介绍了YOLOv8n模型的剪枝优化过程。首先针对RK3399平台运行效率低的问题，通过L1正则化进行稀疏化训练，使模型参数稀疏化。然后采用结构化剪枝方法，基于BN层权重分析确定剪枝阈值，逐步裁剪冗余通道。剪枝后进行了微调训练以恢复精度，最终模型参数量和计算量显著降低（GFLOPs从8.0863降至更低水平）。文中提供了完整的剪枝代码实现，包括稀疏训练、通道裁剪、模型微调等关键步骤，并对比了