Linux系统中使用命令运行C++ 脚本进行编译首先要保证系统中包含编译工具（g++/gcc）和编辑工具（vim、首先先用Gedit（或vim）准备一个简单的C++脚本，或者使用。），C语言和C++对应的编译器分别为gcc，g++。将会生成hello的可执行文件，使用命令行就可以执行。执行成功会输出C++脚本的结果。

目标检测与分类识别之数据集分类_六五酥的博客-CSDN博客_目标检测数据集划分目标检测与分类识别之提高map的方法---新生成类进行针对性训练_六五酥的博客-CSDN博客

https://lutzroeder.github.io/netron/https://ethereon.github.io/netscope/#/editor

1. 安装pycococreatortools在https://codechina.csdn.net/mirrors/waspinator/pycococreator?utm_source=csdn_github_accelerator下载安装包安装包安装的命令行：python setup.py install2.安装pycocotoolspip install cythonsudo pip in

目前，应用程序需求量巨大，开发人员需要一直开发新的库和框架，帮助构建并部署快速上手的仪表板。3.Streamlit—在启动Streamlit应用程序之前，我们必须安装Streamlit库。在终端中执行以下命令，安装streamlit。1.要创建基本的streamlit应用程序，你需要创建一个新的Python文件，文件名任意，例如app.py，然后保存。3.Streamlit学起来很容易，无需要任何

本篇文章将介绍神经网络训练过程中的三个必备技能：使用预训练权重、冻结训练和断点恢复，巧妙运用这三个技巧可以很有效地提高网络的训练效率和效果。01引言迁移学习在计算机视觉领域中是一种很流行的方法，因为它可以建立精确的模型，耗时更短。利用迁移学习，不是从零开始学习，而是从之前解决各种问题时学到的模式开始。这样，我们就可以利用以前的学习成果，避免从零开始。02使用预训练权重在计算机视觉领域中，迁移学习通

pytorch中自带几种常用的深度学习网络预训练模型，torchvision.models包中包含alexnet、densenet、inception、resnet、squeezenet、vgg等常用网络结构，并且提供了预训练模型，可通过调用来读取网络结构和预训练模型（模型参数）。往往为了加快学习进度，训练的初期直接加载pretrain模型中预先训练好的参数。加载model如下所示：import

https://www.cnblogs.com/chenhuabin/p/10718471.html

【labelme软件】使用指南_向前的诚_的博客-CSDN博客_labelme下一张快捷键

【图像分割综述】Image Segmentation Using Deep Learning: A Survey_gkm0120的博客-CSDN博客_图像分割