这里只介绍如何在ubuntu下进行shell脚本的开发与检查[0]【亲测免费】 ShellCheck 安装和配置指南2.案例  我用kimi写了一个gst的数字变焦测试案例，shell脚本如下：  通过shellcheck可以轻松检查出脚本问题，将执行结果告诉kimi后，让kimi重新生成脚本，这样可以快速解决shell脚本中的语法错误，检查结果如下：  kimi重新修改后输出结果如下：

【代码】ubuntu虚拟机系统下嵌入式交叉编译opencv。

在软件工程中，部署指把开发完毕的软件投入使用的过程，包括环境配置、软件安装等步骤。类似地，对于深度学习模型来说，模型部署指让训练好的模型在特定环境中运行的过程。因为这些难题的存在，模型部署不能靠简单的环境配置与安装完成。经过工业界和学术界数年的探索，模型部署有了一条流行的流水线：为了让模型最终能够部署到某一环境上，开发者们可以使用任意一种深度学习框架来定义网络结构，并通过训练确定网络中的参数。之后

机器学习（Machine Learning，简称 ML）是人工智能领域的一个分支，也是人工智能的核心，其涉及知识非常广泛，比如概率论、统计学、近似理论、高等数学等多门学科。就当下而言，Python 无疑是机器学习领域最火的编程语言，这得益于 Python 对科学计算的强大支持。因此，本套教程中关于机器学习算法的代码均采用 Python 机器学习库 sklearn 编写。

Pytorch是torch的python版本，是由Facebook开源的神经网络框架，专门针对 GPU 加速的深度神经网络（DNN）编程。Torch 是一个经典的对多维矩阵数据进行操作的张量（tensor ）库，在机器学习和其他数学密集型应用有广泛应用。与Tensorflow的静态计算图不同，pytorch的计算图是动态的，可以根据计算需要实时改变计算图。pytorch相对于tensorflow出

【代码】opencv图像处理学习（七十六）——StereoBM函数各个参数的含义。

对不起大家，opencv的坑我尽量在年底更完，C++的坑已经基本更完了，在没有进一步深入学习C++之前可能这个系列已经算完了。不多说，我看看机器视觉的基本内容吧。（一）基本构成传统的机器视觉系统是由待测目标、灯源、镜头、相机、信号后端处理部分（包括图像采集和图像信号处理）。该系统主要应用于测量、检测、定位、识别，其发展趋势为高速化、高分辨率、彩色、低功耗、智能化、模块化、简单化。（1...

Q：图像预处理部分在resize后还会使用均值：image_mean=[0.485,0.456,0.406]，标准差：image_std=[0.229,0.224,0.225]进行归一化，为什么使用这几个值？A：image_mean=[0.485,0.456,0.406]、image_std=[0.229,0.224,0.225]是Imagenet数据集的均值和标准差，使用Imagenet的均值和

0.神经网络是干嘛的？神经网络作为一种非线性的网络模型怼非线性科学进行研究，是一种模仿人类神经网络行为特征的分布式并行信息处理算法结构的动力学模型。它用于接收多路输入刺激，按加权求和超过一定阈值时产生“兴奋”输出，来模仿人类神经元的工作方式，并通过这些神经元相互连接的结构和反映关联强度的权系数，使其具有各种复杂的信息处理能力。其不是由于元性能不断改进，而是通过复杂的互联关系得以实现。所有它是一种联

深度学习入门