在 OpenCV 中，所有算法均用 C++ 实现。但这些算法也可以用到不同语言，比如Python、Java等。这得益于绑定生成器。这些生成器在 C++ 和 Python 之间建立了桥梁，使用户能够从 Python 调用 C++ 函数。使用python版本的优势是：开发速度快（语法简洁、无需编译）；生态丰富（可直接结合 NumPy/Pandas/Matplotlib 做数据处理 / 可视化，缺点是速

个人电脑的安装位置位于"C:\Users\Temp\.claude.json"，不同电脑可能位置不同，用于存储用户级状态、MCP 服务器配置、认证信息和界面偏好。所有 MCP 服务都在这里配置。

方面#define宏常量const修饰的变量本质预处理指令，文本替换编译时常量，具有类型类型检测无类型，不进行类型检查有类型，编译器会进行类型检查调试时信息不保留调试信息，宏展开后看不到原名称有符号信息，可以在调试器中查看名称和值作用域没有作用域，宏在定义后到文件末尾有效有作用域，遵循C/C++作用域规则表达能力只能实现简单文本替换，不能定义复杂表达式可以定义复杂的表达式和常量对象内存占用无内存开

是指在一个进程（程序的运行实例）中同时创建和运行多个，这些线程共享进程的内存空间（如全局变量、堆内存），但拥有独立的执行路径（程序计数器、栈空间）。简单来说，多线程允许程序 “同时” 执行多个任务。多线程的核心价值如下：（1）提高CPU使用率：对于多核CPU，单线程程序只能利用一个核心，其他核心处于空闲状态（2）实现 “并发响应”：多线程可将耗时操作放在后台线程，主线程保持响应。（3）拆分复杂任务

MobileNetV3于2019年问世，是目前移动端实时视觉任务的首选，追求极致性价比。在同精度下，V3 比 V2 快约 20%~30%，参数量更小。MobileNetV1V2的原理介绍不再赘述。

ResNet（Residual Network，残差网络）是 2015 年提出的经典卷积网络，核心创新是残差连接（Residual Connection），解决了深层网络训练时的梯度消失问题，目前仍作为CNN的核心骨干网络适用于图像分类、目标检测等任务。

安装vscode，以及在vscode中安装扩展cline，并准备uv工具其中uv是一个极速的 Python 包管理器和项目管理工具，安装参考官方仓库。windows使用终端命令即可使用uv --version查看是否成功然后随便选择一个工作目录，创建项目文件夹cd weather创建虚拟环境并安装依赖uv venv#然后按照终端的提升，激活虚拟环境#如出现（weather）则说明激活成功#安装依赖

个人电脑的安装位置位于"C:\Users\Temp\.claude.json"，不同电脑可能位置不同，用于存储用户级状态、MCP 服务器配置、认证信息和界面偏好。所有 MCP 服务都在这里配置。

MCP（Model Context Protocol，模型上下文协议）是由 Anthropic 推出的，是 AI 模型 / Agent 与外部工具、数据源交互的。MCP最初由，主要用于claude模型；2025 年 3 月，，随后 Google、微软、百度等主流厂商跟进，MCP 从 Anthropic 专属协议升级为。2025 年 12 月 10 日，Anthropic 将 MCP 捐赠给，实现。

EfficientNetV2发表在顶会 ICML 2021，EfficientNetV2模型的。拥有S/M/L/XL共计4个版本，大小分别是22M/54M/120M/190M。代码相较于MobilenetV3，EfficientNetV2，小样本 / 迁移学习更强，需要细粒度识别、商品 / 车牌 / 人脸核验时，可优先考虑。移动端使用EfficientNetV2-S，云端使用EfficientNe