weixin_45715405的博客

因此，当您计算两个数组的卷积或执行数组的频谱分析时，通常有必要在输入数据中填充零，以获得比原始数组转换速度快得多的更大的数组。)的数组处理速度最快。但是，数组的大小是2、3和5的乘积(例如，300 = 55322)的处理效率也很高。2、从频域角度分析：不在是以时间为参照物了，而是这个事情的频率，1分钟放1块冰糖，2分钟放3粒红豆，3分钟放2粒绿豆，4分钟放4块西红柿，5分钟放1杯水。1、从时域分析：就是六点零一放了1块冰糖，3颗红豆，2颗绿豆，4块西红柿，1杯纯净水，六点零二放了1块冰糖。

操作流程：1、提取模板的每个数字读取图片->转换为灰度图像->二值化图像(大于10取0，小于取255)->轮廓检测->绘制轮廓->对所有轮廓进行排序->提取模板所有轮廓每个数字2、读取信用卡->转换为灰度图像->(顶帽操作、sobel算子操作、闭操作、二值化、二次膨胀+腐蚀轮廓检测、绘制轮廓)

如果norm_type为其他类型，则为归一化要乘的系数。函数原型，归一化类型，常见的有NORM_L1, NORM_L2, NORM_INF, NORM_MINMAX，不同的norm计算方式不一样。原理：取卷积核的中位数，作为卷积核的结果，当卷积核在图像上进行移动，获取到的数之后进行排序，取中位数作为卷积核的结果。边缘处的二阶导数=0，我们可以利用这一特征去寻找图像的边缘，注意：二阶导数为0的位子也可能是无意义的位置（噪声）h2是卷积之后的高度，h1是原图像高度，f卷积核高度，p是填充多少，s是卷积核步长。

说明：推理流程来源官方文档：https://github.com/wang-xinyu/tensorrtx/tree/master/yolov5。不拷贝到yolov5目录下直接在tensorrx目录下执行就会报错。下载yolov5对应版本的包。

按照官方的流程可以跑通，他自己提供的yolov5s.rknn（640*640）的模型，但是跑自己的模型的时候加载就会出错E RKNN: failed to decode config data!这个文件就是源码里面埋了很大一个坑，取反了，模型输入要求是NHWC，但是他将h取到w上面了，所以出现错乱，为什么官方自己的模型没问题推理是正常的，因为官方的是640*640，高宽尺寸是一致的，所以没有出现这个bug。如果直接拿自己的模型不修改代码，直接推理，会出现这种报错，就是类别没有对上。修改之后再次验证正常了。

去到下载的文件夹内，执行命令：bash Anaconda3-2023.09-0-Linux-x86_64.sh。至此CUDN + cuDNN安装完成，可以执行相关训练文件查看是否有gpu信息输出，或监控一下gpu状态。tensorRT官网网址（GA表示正式发布稳定版本、EA抢先版）查看tensorRT python api 版本。yolov5-pytorch推理速度。tensort推理(384*640)查看是否安装NVIDIA显卡。Torchhub模型预测使用。

ip地址是你在网络中的唯一标识windows查看ip地址：ipconfigubuntu查看ip地址：ifconfig ctrl+a快速回到行首，ctrl+e快速回到行尾ubuntu关闭网卡：sudo ifconfig 网卡名字 down开启网卡: sudo ifconfig 网卡名字 upip(dest ip)地址分类ipv4：一共四组数字，没个数字组大255，最小0，ipv4瓜分完出现了ipv6A类：一组作为网络号，后面三组作为主机号B类：两组作为网络号，后面两组作为主机号C类：三粗作

Linux 常用命令记录:文件系统管理相关命令pwd: print working directory,打印当前工作目录cd: change directory,改变当前工作目录mkdir: make directory,创建文件夹,常用参数-prmdir: remove directory,删除空文件夹,使用rm -rf可以删掉任何文件夹rename: 重命名文件mv: move,移动文件chmod: change mode,修改文件的权限属性chown: change ownershi