Redux中进行异步操作(网络请求)的方案
我们可以直接通过同步的操作来dispatch action，state就会被立即更新。但是真实开发中，redux中保存的很多数据可能来自服务器，我们需要进行异步的请求，再将数据保存到redux中。
拨号动态开关USB网络共享、以太网络共享与蓝牙网络共享功能，*#18819#打开，*#18818#关闭。转到设置里的指定界面
拨号动态开关USB网络共享、以太网络共享与蓝牙网络共享功能，*#18819#打开，*#18818#关闭。转到设置里的指定界面
Go语言入门经典：方法 接口 习题
1.使用方法有何优点？答：使用方法可以直接调用所声明的接收者的数据类型，例如结构体。2.可将方法与切片相关联吗？答：可以，方法可以与任何数据类型相关联。3.多态是什么意思？答：多态是指多种不同的形态，接口支持多态的实现。4.为出租车编写一个接口。您可在其中包含任何方法，但需要考虑一些因素，如出租车是否为空、有多少乘客及出租车是否停运。// taxi interface achievementpackage mainimport "fmt"type Taxi stru
Docker生态系统手画图示
Container 容器 Runtime Docker运行环境 OS Docker操作系统 Manager 容器管理工具 Docker File Docker文本文件 Docker Image Docker镜像 Registry 镜像仓库 Kubernetes 编排引擎 k8s Rancher 编排引擎管理 ...
海思开发：基于 SSD行人检测模型 3516D V300 部署
一、前言最近项目因一些原因停止，空下来的我给自己找点事做，所以就把眼光瞄上了行人检测，该模型是我一个目标检测群群主发的，他在知乎和git都有账号，不过我忘了。。。不说其他了，开始吧。二、模型的选择与转换模型是一切的基础，之所以选定这个模型也是因为它的op海思都支持，没什么很新的op，使得转换模型成为可能。模型平面图就不看了，太大了，我等下提供gitee仓库的地址，有需要自己下去看吧。1.模型转换原模型是pytorch版本，所以先要转化成onnx，再转化成caffe，最后转化成nnie-wk格式，在
海思开发：python下转换图片为bgr_planner格式
前言模型转换后，性能多多少少都有点损失，为了评估肯定需要在海思上跑个数据集，但是海思的图片输入格式是bgr_planner格式，所以需要对图片做个格式转换。对于大神来说，直接全用c/c++完成，但本菜逼只能选择这种two-stage方式了。代码废话不多说，代码都是经过试验，确定能跑的通的。为了放心，特意还做了个试验，同一张图片用python转为bgr_planner格式，和用c++转为bgr_planner格式，再先后喂入人脸识别模型，最后的输出特征值差了0.05左右。import cv2impo
Go语言入门经典：字符串
1. 名称“字符串”是怎么来的？字符串是由一串单个的字符组成2. Go语言支持UTF-8，所以能在代码中使用除英语外的其他语言吗？当然3. 创建字符串后，可对其进行修改吗？字符串是常量字面量，创建后不可修改。但可以使用复合赋值符 += 来对其进行拼接。4. 解释型字符串字面量，与原始字符串字面量有何不同？解释型使用“ ”，可使用转义字符对字符串进行定义；原始使用 ` ` ，不可使用转义字符，保留换行、制表格等操作。5. 表示制表符的rune字面量字符是什么？如何在解释型字符串
海思开发：yolo v5s ：pytorch-＞onnx-＞caffe-＞nnie
一、前言主要是遇见几个问题，赶紧记录一下，免得后面兄弟们吃同样的亏。二、过程1. 报错：Reshape dimention number shall be 2 or 4仔细看了一下，和我 reshape 处理的数据维度有关，而转换代码里 reshape 最高支持维度数是 4。而我的数据shape 是 (1, 3, H, W, class_num + 5)，这是个五维数组。本来就想在后面加个条件 : len(shape) == 5，又怕出现新的错误，上网找了篇其他的转换代码，点进去看了下，发现
Go语言入门经典：通道Channel
1. 相比于Goroutine，通道有何优点？通道给予了Goroutine与主函数间互相通信的可能，给予一个受控的并发编程环境2.select语句中的超时时间有何用途？通过使用超时时间（ <- time. After( ) ），使得无法接收到通道消息的select语句，得以结束程序的阻塞，继续执行。3.如何编写从一个通道那里接收10条消息后退出的程序？package mainimport "fmt"func main(){ c := make(chan string)
海思开发：mobilefacenet 模型： pytorch -＞ onnx -＞ caffe -＞ nnie
一、前言最近有空，把之前的项目梳理记录一下，惠已惠人。二、详情人脸模型是在 pytorch 下训练的，工程文件用的是这个：MobileFaceNet_Tutorial_Pytorch训练完成之后，先转为onnx模型并做简化，代码如下：def export_onnx(): import onnx parser = argparse.ArgumentParser() #parser.add_argument('--weights', type=str, default=r'F:
海思开发：yolo v5的 focus层 移植到海思上的方法
一、前言经网友提醒，yolo v2的 passthrough 层与 v5 的 focus 层很像，因为海思是支持 passthrough 层的，鉴于此，花了点时间了解了一下，提出一些浅见，抛砖引玉。二、区别上文我说的是，二者很像，说明它们还是有区别的，现在说说区别。1. passthrough 层出于严谨，结合海思文档图片与 passthrough 源码来一起理解，先看看 passthrough 源码：// 它的源码是 c++ 的，不是 python 格式int reorg_cpu(THFlo
菜鸟落泪：win10 离线安装 pytorch 及其所需依赖包
如题，亲测成功，所需依赖包为：certifi 2020.11.8cffi 1.14.4dataclasses 0.8future 0.18.0icc-rt 2019.0intel-openmp 2021.1.1mkl 2019.0mkl-fft 1.0.6mkl-ran
比较cpp-httplib，Drogon和Mongoose三个方案
是一个高性能的HTTP应用程序框架，它支持异步IO和多线程。Mongoose的API简单易用，支持RESTful API和静态文件服务，还提供了WebSocket和MQTT支持。它的API非常简单和易于使用，支持RESTful API和静态文件服务。Mongoose的功能相对较少，不像Drogon和cpp-httplib提供了更多的中间件和。cpp-httplib更适用于简单的Web应用程序或者API服务，它具有简单的API和。Drogon是一个完整的应用程序框架，适用于构建复杂的Web应用程序。
探索发现：tensorflow转onnx时，输入无符号shape的情况解决。
一、前言如标题，有几次朋友遇到这种情况，所以我想看看能不能直接更改 onnx 模型的 input shape 来解决这种问题。这种情况目前全发生在 tensorflow -> onnx 过程中，pytorch 由于有 onnx 的导出官方 api, 所以没有此烦心事。二、代码先看看未修改前输入的无符号shape：很明显，本该是1的地方出现了几个乱七八糟的符号。但是怎么做呢？参考这个，在最下面处有解决方法。from onnx.tools import update_model_dimsi
今日推荐
周排行