前言：cuda编程主要是通过cuda将需要运算的数据放入GPU进行运算，GPU多核心，非常适合并行计算，处理图像算法领域的矩阵计算效率非常高。(可为每一个像素点运算分配一个核)一般的深度学习模型已经可以自动调用CUDA，我们写的底层代码中的矩阵计算也是可以通过cuda编程实现gpu加速的。（PS:numba除了cuda加速外，用作CPU上的加速和numpy的加速效果也非常好，这章侧重于numba对

1.导师推荐我的，里面的赛事挺多，规格挺高的，多是研究生导师带团队参加：MARS数据科学平台https://www.marsbigdata.com/

wheel资源包下载

安装 ffmpeg

1.txt读取：file = "demo.txt"f = open(file, 'r+', encoding='utf-8')new_lines = []# 读取txt内所有行while True:line = f.readline()if line:# 以空格为间隔，读取所有该行的数据存入数组msg = line.split(" ")out.append(msg)

1. 报错：assert isinstance(orig, torch.nn.Module)出现在tools/dist_train.py文件内。根据github说明，输入：python tools/dist_train.py \--cfg experiments/coco/higher_hrnet/w32_512_adam_lr1e-3.yaml可能会出现原因：tensorboardX库出了问题。

以下是用opencv实现的一个简单的窗口截图程序：#include <iostream>#include <opencv2/opencv.hpp>using namespace cv;using namespace std;/*截图方式说明：1.鼠标左键按下则为截图起始点方法一：鼠标左键一直按下，直到鼠标移动到目标点再松开，即可完成一次截图；方法二：鼠...

1.Mat 与常数的四则运算Mat与常数的运算实际上就是Mat内的每一个元素都与常数运算；运算结果依旧是个矩阵，与原矩阵尺寸不变；矩阵内的元素都统一进行了与常数的四则运算；例如：Mat型image + 1表示image内的每一个元素都+1;实例：#include <opencv2/opencv.hpp>using namespace cv;int main(){Mat src = Ma

前言：项目需要用到opencv中dnn模块，默认下载的opencv不带cuda，因此需要对opencv重新编译1.检查cuda版本 cmd：nvcc -V2.自行下载opencv源文件(若是opencv官网下载，则源文件在source文件夹内)和对应版本的opencv_contrib(https://github.com/opencv/opencv_contrib/releases)3.下载cma

docker