哈基窝

Hello SQL本博客主要参考自廖雪峰的官方网站，非常感谢廖老师的分享！ 一、前言1. 数据与数据库简介一个程序总是由数据和逻辑组成的。如何和数据交互，高效可靠的交互，是一门非常重要的学问。其衍生出了数据库系统这一重要的计算机分支。 数据库软件的历史其实非常悠久，早在上世纪60年代就已经出现了。随着计算机技术的发展，数据库系统也经历了多次变革，从最初的层次模型和网状模型，到最常用的关系模型，再到新兴的面向对象模型和NoSQL数据库。 发展至今，用的最广泛的数据库系统仍是关系型数据库。其把数据看作是一个二维表格，任何数据都可以通过行号+列号来唯一确定。相比于另外两个模型，关系模型更符合人类的思维习惯，更容易理解和使用。 2. 关系型数据库关系型数据库由多张“表（Table）”组成。每张表： 像 Excel 表格一样 行（Row） 表示一条记录 列（Column） 表示属性 表与表之间通过 关系（外键） 连接 下面我们通过一个具体的例子（学生选课系统）来说明关系型数据库的结构和概念。 1️⃣ 学生表（Student） student_id name ...

本文介绍的系统是ROS1架构下的多无人车协同。和ROS2相比，会有大量的不同。 我们要实现的任务很简单，多辆无人车同时运行时变直线运动。 系统架构采取单主控节点的分布式架构，指定其中一台小车作为“主”（Master），运行核心的roscore程序。其他所有小车（“从”）都连接到这个主节点，从而形成一个统一的ROS网络。这样，网络中的任何一个节点都可以与其他节点进行通信。 实现步骤1. 网络配置首先，确保所有小车都连接到同一个局域网（LAN），小车之间能够互相ping通。 12ifconfig # 查看当前IP地址ping <other_car_ip> # 测试与其他小车的连通性 2. 设置主从机主控机上打开 ~/.bashrc 文件，在文件末尾添加以下两行： 12export ROS_MASTER_URI=http://<master_ip>:11311export ROS_IP=X.X.X.X 将 <master_ip> 替换为主控机的实际IP地址，X.X.X.X 替换为当前小车的IP地址。保存并关闭文件，然后运行： 1source...

本文主要记录基础的VPS知识，其中非常多内容参考（抄袭）自猫猫的博客，非常感谢猫猫的分享。 IP质量什么是IP质量？“ip质量其实就是指用户使用这个ip在访问网站时受到风控的强度。”具体表现就是，我们在一些特殊活动的时候网站会根据IP质量对我们做出不同的处理。因为网站方为了防止恶意注册、刷票、刷单等行为，会对访问网站的IP进行评估。好的用户那就更少的限制，差的用户就会被频繁要求验证，甚至直接封禁。 识别一个用户正常与否，网站方重要的依旧就是IP地址。通过这串IP地址，网站能够知道地理位置/ISP（因特网服务提供商，例如中国电信、中国联通、AT&T、HKT）和网络类型/IP类型和质量/行为模式等信息。 例如，国外的大模型网页会对中国IP进行限制。而你如果使用差的梯子，可能会出现模型降智。再比如，谷歌最近对账号注册登录要求缩紧，差IP的梯子会要求认证手机号。 那么网站方是怎么评估IP质量的呢？除了能够直接知道的地理位置/ISP等信息之外，网站方还会通过IP数据库的方式来评估IP质量。 行业黑话原生/广播ip原生ip就是指其...

本文主要记录一下深度学习环境的安装过程。包括CUDA、cuDNN、PyTorch等内容。 0. 前置准备检查显卡型号，确认支持CUDA。可以使用以下命令查看显卡型号： 1nvida-smi 该指令会显示显卡驱动支持的最大CUDA版本。 0.1 深度学习环境架构深度学习环境的架构大致如下所示： 123456789PyTorch ↑cuDNN / cuBLAS / NCCL （CUDA加速库） ↑CUDA Runtime / Driver API ↑NVIDIA Driver ↑GPU 硬件 1. CUDACUDA 是 NVIDIA 提供的 GPU 并行计算平台。它包括： 1234- CUDA Driver（随 NVIDIA 驱动）- CUDA Runtime（libcudart）- CUDA 编译器（nvcc）- 基础数学库（cuBLAS、cuFFT 等） 在使用过程中，PyTorch的调用过程是这样的： 12345PyTorch 调用 CUDA RuntimeCUDA Runtime 调用 GPU DriverDriver 把任务发给 GPU 执行 2. cuDN...

Linux 常用指令小本本简要总结一下linux下常用的指令以及参数的具体含义。 1. 压缩文件相关在 Linux 下下载软件或源码时，经常能看到各种各样的文件后缀，比如 .tar.gz、.zip、.xz 等。这些后缀分别代表什么？又该如何解压呢？ 常见压缩文件后缀与解压方式 后缀名 说明 解压命令 .tar 仅打包，不压缩 tar -xvf file.tar .tar.gz / .tgz 打包并使用 gzip 压缩 tar -xzvf file.tar.gz .tar.bz2 打包并使用 bzip2 压缩 tar -xjvf file.tar.bz2 .tar.xz 打包并使用 xz 压缩 tar -xJvf file.tar.xz .zip 使用 zip 打包并压缩 unzip file.zip .rar 使用 WinRAR 打包并压缩 unrar x file.rar .7z 使用 7-Zip 打包并压缩 7z x file.7z 注： .rar 和 .7z 格式通常需要额外安装工具（如 unrar、p7zip）。 ...

本篇博客主要用来记录 Linux 下常用的一些服务的使用方法和配置技巧。包括OpenSSH的简单原理和使用、启动脚本编写等内容。 OpenSSH1. 基础使用123# 创建密钥ssh-keygen -t rsa -b 4096 -C "comment"ssh-keygen -t ed25519 -C "comment" -t 参数指定密钥类型，-b 参数指定密钥长度，-C 参数添加注释。其中 rsa 是一种传统的加密算法，ed25519 是一种较新的椭圆曲线加密算法，通常被认为更安全且性能更好。 12# 基础登录ssh user@hostname 2. configconfig 文件位于 ~/.ssh/config，可以简化 SSH 连接命令。可以将你简单的SSH翻译成一套带参数的命令。 1234Host github.com HostName github.com User git IdentityFile ~/.ssh/id_ed25519 行 含义 Host github.com 匹配条件（你 ss...

记录一下重装系统的过程。实验室配备了一台新电脑，准备安装Ubuntu 24.04系统。 1. 安装系统1.1 准备工作系统镜像U盘制作。常用方法比如Rufus等工具制作启动U盘。多系统启动U盘也可以使用Ventoy等工具制作。 1.2 BIOS设置F2 F12等按键进入BIOS设置，设置U盘启动优先。关闭安全启动（Secure Boot）。我的主板是华硕的，进入BIOS后，安全启动的选项不是开关设置。而是应该把OS Type选项改为Other OS，Secure Boot Mode 修改为Custom，然后就可以关闭安全启动了。 1.3 安装Ubuntu 24.04保存并退出BIOS，之后就会进入U判U盘的启动流程，选择你要安装的系统，例如Ubuntu 24.04，之后按照提示进行安装即可。一般来说，我们当前安装最简单最基础的系统内容即可。 2. 基础软件准备2.0 换源如果后面出现网络问题，可以先把软件源换成国内源。具体内容可以见后文 3.0 换源 一节。 2.1 更新源以及基础软件12sudo apt update && sudo apt upgrade -y...

本文主要记录onnx的相关知识 onnx介绍开放神经网络交换 ONNX（Open Neural Network Exchange）是一套表示深度神经网络模型的开放格式，由微软和 Facebook 于 2017 推出。 通俗的说，onnx就是不同模型的中间桥梁。pytorch、tensorflow、mxnet等模型都可以转换为onnx模型，然后onnx模型可以转换为其他模型，例如TensorRT等。 从部署流程上认识onnx下面是一个常规的神经网络部署流程： 前期准备根据任务问题，我们选择解决的方案，分类、检测、分割等。然后选择合适的模型，例如yolov3、faster rcnn。 模型训练使用pytorch、tensorflow等框架训练模型，训练完成后，保存模型。例如训练YOLO模型，我们得到的结果是一个.pt文件 转换模型将训练好的模型转换为onnx模型，方便后续部署。onnx可以理解为封装成了一个包，输入输出都是tensor。 具体部署将onnx模型部署到具体的硬件上，例如NVIDIA的tensorrt、高通的SNPE等。 onnx具体部署下面我们以pytorch...

本文大致介绍mmlab的基本框架。 基本知识 config 文件（1）命名规则 1{algorithm name}_{model component names [component1]_[component2]_[...]}_{training settings}_{training dataset information}_{testing dataset information}.py algorithm name: 算法名称。例如：faster_rcnn model component names: 模型组件名称，包括backbone和neck等。例如 r50-caffe_fpn_gn-head 表示在算法中使用 caffe 版本的 ResNet50、FPN 和 使用了 Group Norm 的检测头。 training settings: 训练设置， batch 大小、数据增强、损失、参数调度方式和训练最大轮次/迭代。例如4xb4-mixup-giou...

写在前面，该文目的性很强，主要针对毕业任务，而非钻研科研，不过融汇百家思想的精华总是好多。非常感谢B站上的资料，让自己收益匪浅。之前总觉得一片茫然，听了之后还算是有了一定的目标和方向。科研思路 我要做什么？这个问题一直困扰着我很久，总觉得这种方法会被淘汰，那种方法又有缺陷。自己的工作就缓慢推动。那么不妨从另一个角度思考。首先，我们是要做AI相关，甚至可以说就是MOT方面的。人工智能方法最最重要的东西就是数据，因此问题来了，你有什么数据？回答：没有自己的数据，只能用公开数据集。目前来说就是KITTI用的比较多了，Nusences还需要进一步学习，Waymo更是遥不可及。 公开数据集要做公开数据集，有利有弊。难度大，出文章难，但是一旦出文章大概率是好文章。 自己的数据集如果组内已经有数据集了，那么毕业论文就问题不大了。 搜集数据集，自己标注如果此时没有明确的研究方向，而且只想水毕业。可以这样做，找越偏越好的方向（检测，分割最水），圆一个好一点的理由。但是对于这一方向，我还有自己的一些看法。自己其实可以录一个数据集，而且有一定的价值：基于BEV的无人机追踪数据集。总结：当下自己要做...