1、服务器中实用NVIDIA A100并且装有cuda 12.4版本，而paddlepaddle-gpu比较接近时cuda 12.3版本。格式分布如上，图片数据：data_dir+第一个数据。

1、在vscode界面，按"ctrl+"进行设置界面，搜索Format2、设置保存文件时，按格式对代码排版3、向下拉，在框内输入Google，按照谷歌代码格式排版4、 使用方式，打开c++代码文件当文件保存时，自动按照谷歌代码风格进行格式化代码。或者进行shift+ctrl+i进行保存。...

注意VENV_DIR这行代码，不会创建新的虚拟环境，使用anconda的虚拟环境。5、修改启动脚本，将webui-user.bat文件进行修改。1、利用anconda安装pytorch gpu的环境。3、安装stable-diffusion-webui。2、win下安装git。

1、点乘--A*BA*B是以数学运算中矩阵相乘的方式实现的，即Mat矩阵A和B被当做纯粹的矩阵做乘法运算，要求A的列数等于B的行数时，才能定义两个矩阵相乘。如A时m*n矩阵，B是n*p矩阵，乘积AB是一个m*p矩阵。参与点乘的两个Mat矩阵的数据类型只能是CV_32F、CV_64FC1、CV_32FC2、CV_64FC2这4种类型中的一种。2、dot--A.dot(B)相当于数学向量运算中的点乘，

1、在gpu编写opencl代码#include <iostream>#include <stdlib.h>#include <string.h>#include <stdio.h>#if defined(__APPLE__) || defined(__MACOSX)#include <OpenCL/cl.hpp>#else#includ

1.SIFT特征点和特征描述提取import cv2 #这里使用的Python 3def sift_kp(image):gray_image = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)sift = cv2.xfeatures2d_SIFT.create()kp,des = sift.detectAndCompute(image,None)kp_image =

服务器上A100显卡的cuda版本是12.4，选择安装paddlepaddle-gpu 3.2.0版本。GPU显存占用：8G，推理耗时在1秒左右，数据准确性而言存在一定的识别错误。安装paddleocr所有功能模块。

rm -f /home/agu/.config/bcompare/registry.dat

1、卷积算子 torch.nn.Conv2d（1）原理：假设输入图像input尺寸为4x4，元素矩阵为:卷积核kernel尺寸为3x3，元素矩阵为:步长strides =1,填充padding=0，即i=4,k=3,s=1,p=0,则按照卷积计算公式，输出图像output的尺寸为2x2。（2）代码import torchimport numpy as npimport cv2import os#

在box逆时针旋转过程，与x正轴相交的第一条边就是w，另外是h，w和h的大小没有必然联系。以下opencv的版本为4.0.6，尤其以前的老版本有很大差异。3、按照最小角度旋转，下面是伪代码，注意就是angle的问题。1、cv::RotatedRect返回的w，h，angle。angle返回值是[0,90]，为图示所讲的角度。// angle>0时，绕逆时针旋转。