比如当我们在单元测试、模块的接口测试时，当这个模块需要依赖另外一个或几个类，而这时这些个类还没有开发好，这时我们就可以定义了Mock对象来模拟那些类的行为。说得更直白一些，就是自己实现一个假的依赖类，对这个类的方法你想要什么行为就可以有什么行为，你想让这个方法返回什么结果就可以返回怎么样的结果。然后，使用一个循环遍历向量的每个元素。在C++中，任何程序都需要main函数，gtest和gmock同理

c++标准库。算法加lambda表达式在 C++ 中，指的是，lambda 表达式中使用到的外部作用域的变量。这些外部变量在 lambda 表达式中被称为“捕获变量”。Lambda 通过捕获机制可以访问这些变量，而不用显式地将它们作为参数传递给 lambda。和，这决定了 lambda 表达式内部如何使用和修改这些变量。

pip install D:/迅雷下载/torch安装包/torchvision-0.12.0+cu113-cp310-cp310-win_amd64.whl。pip install D:/迅雷下载/torch安装包/torchaudio-0.11.0+cu113-cp310-cp310-win_amd64.whl。pip install D:/迅雷下载/torch安装包/torch-1.11.0

多尺度特征融合：支持不同层级特征的目标检测，适应小目标检测。分类器调整：使用 Logits 而非 Softmax，更适合多标签检测。CSPNet：减少重复计算，提升速度和精度。锚点机制：引入 Anchor Boxes，适配多样化目标尺寸。多尺度训练：支持不同分辨率的输入，提高模型鲁棒性。批归一化：稳定训练过程，改善收敛性能。局限性：对小目标检测效果较差，且定位精度不足。引入动态标签分配、模糊标签机

无监督缺陷检测任务没有标签数据，传统的准确率、召回率等标准指标不适用。

emplace系列函数通过在容器内原地构造对象来提高性能，特别是当对象的构造和复制代价较高时。相比于push_back和insertemplace更加高效，因为它避免了临时对象的构造、复制或移动。常见的emplaceemplace，不同容器会提供不同的emplace函数，根据容器特性来使用。

1、在本机的命令行中输入：ssh-keygen, 生成密钥，全部默认，生成的密钥默认在用户目录下的.ssh文件夹中，>在左侧功能栏，打开Remote Explorer可以看到新增的ssh连接，可以在这里快捷的连接远程服务器。在vscode的ssh config中对应的服务器连接添加一栏：IdentityFile。本地（或者链接的远端工控机或者服务器上），与指定git分支进行ssh密钥的方式链接。>

1、在本机的命令行中输入：ssh-keygen, 生成密钥，全部默认，生成的密钥默认在用户目录下的.ssh文件夹中，>在左侧功能栏，打开Remote Explorer可以看到新增的ssh连接，可以在这里快捷的连接远程服务器。在vscode的ssh config中对应的服务器连接添加一栏：IdentityFile。本地（或者链接的远端工控机或者服务器上），与指定git分支进行ssh密钥的方式链接。>

无监督缺陷检测任务没有标签数据，传统的准确率、召回率等标准指标不适用。

主导序列转换模型基于复杂的循环或卷积神经网络，包括编码器和解码器。表现最好的模型还通过注意力机制连接编码器和解码器。我们提出了一种新的简单网络架构，Transformer，完全基于注意力机制，无需循环和卷积。在两项机器翻译任务上的实验表明，这些模型在质量上优于现有的最佳结果，包括集成模型，并且提高了超过2个BLEU。在WMT 2014英语到法语翻译任务上，我们的模型在八块GPU上进行训练3.5天后