“一图一库”助力行业信息化转型，TDengine在交通运输行业的落地应用
公司简介北京金海乐游软件有限公司是一家以计算机软件架构开发为核心，实施计算机软硬件系统集成的现代科技企业。我司从事交通运输行业系统软件研发，技术覆盖且不限于 JAVA Spring框架（可选技术框架：C/C++、Python、Go）行业业务逻辑实现、TransCAD\TransModeler\超图\Arcgis等商业软件的二次开发和算法实现、大数据分析及数据中台、 交通资产管理。作者信息王扬 北京金海乐游软件有限公司 技术主管项目背景市级交通管理一图一库
@Ubuntu20.04部署安装zabbix6.0版本（Grafana Dashboard展示）
Ubuntu部署安装zabbix6.01.zabbix服务端部署【zabbix安装包下载】官网查看支持安装的版本#安装源下载获取root@UBUNTU:~# wget https://repo.zabbix.com/zabbix/5.5/ubuntu/pool/main/z/zabbix-release/zabbix-release_5.5-1%2Bubuntu20.04_all.deb#安装zabbix官方仓库源root@UBUNTU:~# dpkg -i zabbix-r
目标检测模型从训练到部署，其实如此简单
训练目标检测模型并部署到你的嵌入式设备，让边缘设备长“眼睛”。目标检测的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置，是计算机视觉领域的核心问题之一。目标检测已应用到诸多领域，比如如安防、无人销售、自动驾驶和军事等。在许多情况下，运行目标检测程序的设备并不是常用的电脑，而是仅包含必要外设的嵌入式设备。别看嵌入式设备简陋，但在上面照样能够跑程序，实现我们的想法。设计一个嵌入式AI产品产品，一般会首先考虑成本，在有
2022年最新一篇文章教你青龙面板拉库,拉取单文件,安装依赖,设置环境变量,解决没有或丢失依赖can‘t find module之保姆教程(附带几十个青龙面板脚本仓库)
没有安装青龙面板的先看我另外一篇教程https://blog.csdn.net/qq_39997540/article/details/122363463?spm=1001.2014.3001.55011.青龙面板拉库打开浏览器进入按照我的主页里的另一篇教程安装好的青龙面板,点击右上角的添加任务编辑任务 1 0-23/1 * * *点击你添加好的拉库任务右边的运行按钮,过几分钟你要拉的库就下载到你的青龙面板了2.分享收集的青龙面板脚本仓库,建议选择拉一个就可以了1.JB库.
[3] Flink大数据流式处理利剑: Flink的部署架构
在前面的两个章节：[《\[1\] Flink大数据流式处理利剑: 简介》](https://architect.blog.csdn.net/article/details/122149322)和[《\[2\] Flink大数据流式处理利剑: 用Flink进行统计的一个简单例子》](https://architect.blog.csdn.net/article/details/122164543) 主要对Flink进行了简单介绍并演示了一个简单的例子；这个章节，我们来看看Flink的部署架构。Flink支持各
【游戏开发探究】Unity Addressables资源管理方式用起来太爽了，资源打包、加载、热更变得如此轻松（Addressable Asset System | 简称AA）
【游戏开发探究】Unity Addressables资源管理方式用起来太爽了，资源打包、加载、热更变得如此轻松（Addressable Asset System | 简称AA）
mac pro M1(ARM)安装：VMWare Fusion及linux(centos7/ubantu)（一）
0.引言最近正好在mac M1上安装centos虚拟机以及开发环境，特记录下，以供后续有需要的同学参考1.下载1.1 安装VMware Fusion我选择在VMware上运行虚拟机，所以需要下载VMware Fusion下载地址：VMware Fusion for M1选择ARM版本下载，目前是官方推出的针对M1的试用版本，无需激活，后续是否收费还未可知下载后双击安装即可1.2 下载centoscentos for m1下载地址：centos for m1北京外国语大学镜像地址（推荐下
谷歌提出一种新的视觉架构：V-MoE，测试准确率高达90.35%
我们知道稀疏门控混合专家网络(MOE)在自然语言处理中表现出良好的可伸缩性。然而，在计算机视觉中，几乎所有的性能网络都是"密集的"，也就是说，每个输入都由每个参数处理。Google 最近提出了一个Vision MoE(V-MoE)，它是 Vision Transformer 的一个稀疏版本，具有可扩展性，可以与最大的密集网络相媲美。论文地址：https://arxiv.
基于ShuffleNetv2-YOLOv4模型的目标检测
1、引言（摘要）目标检测是机器视觉领域内最具挑战性的任务之一。近年来，深度学习理论及技术的快速发展，使得基于深度学习的目标检测算法取得了巨大进展，目标检测实时性、准确度得到了很大的提高。但是除了准确度外，计算复杂度也是目标检测要考虑的重要指标，过复杂的网络可能速度很慢。另外移动端设备也需要既准确又快的小模型。研究轻量化的网络模型是很有必要的，结合前人的成果、及现有的工程，我通过将轻量化网络ShuffleNetv2 代替YoloV4的CSPDarknet-53 作为主干网络，结合一定调参方法，在VOC2.
猜数字小游戏and关机程序
猜数字小游戏通过算法进行的随机其实是伪随机game()menu菜单input随机数的生成方法rand()时间戳获取的是运行时电脑上的时间%100的数字是0-100随机数的生成不能放到循环里，因为每次猜的数不知道大小永远是随机的//猜数字游戏//1. 电脑随机生成一个数字（1~100）//2. 玩家猜数字// 玩家猜小了，就告知猜小了// 玩家猜大了，就告知猜大了// 直到猜对为止//3. 游戏可以一直玩#include<stdl
油田生产数据选取问题4
1 现状因为遇到了数据不均衡问题，正在重新对数据进行分析以及修改模型。整个框架见 油田生产数据选取问题32 数据问题2.1 统计统计项数量时间跨度3425 天产液量计量734 天未选用产液计量108 天包含信息较丰富（在已有规则中且至少满足两项）的备注181 天油嘴尺寸变化24 次泵频率变化16 次2.2 分布视图2.2.1 计量与时间 计量值在时序上的分布 横轴为日期，纵轴为产液量计量值，蓝色点为选用，红色点为未选用。可
CondaHTTPError: HTTP 000 CONNECTION FAILED for url解决方法（不用换源，简单有效）
安装pytorch 的过程中出了一些问题，提示CondaHTTPError: HTTP 000 CONNECTION FAILED for url应该是网速的原因，但是不管重复多少次都是失败通知修改延时即可正常下载。
Auto-Encoders原理
无监督学习中，所有的数据都没有打label，就是没有对比的目标了。但是其实不是没有目标了，在Auto-Encoders的过程里，它的目标就是他自己，如下图，他这个就相当于一个卷积层，和CNN的区别就在于，它的输出层=输入层（784=784），因为他要重建它自己，而CNN的输出层是类数，为了分类。另一个区别就是：Auto-Ecoders的中间有一个neck，它可以升维，也可以降维。还有一个问题是Auto-Ecoders如何去训练一般来说是loss function可求导的情况就可以进行训练工作。
Docker详解(入门必看)
参考文章、视频：Docker中文文档狂神说Docker概述什么是DockerDocker 是一个开源项目，诞生于 2013 年初，最初是 dotCloud 公司内部的一个业余项目。基于 Google 公司推出的 Go 语言实现。 项目后来加入了 Linux 基金会，遵从了 Apache 2.0 协议，项目代码在 GitHub 上进行维护。Docker是完整的一套容器管理系统Docker提供了一组命令,让用户更加方便直接地使用容器技术,而不需要过多关心底层内核技术是一个开源的应用容器引擎，使
今日推荐
周排行