端到端

　　　　最近做的uni-app H5端需要发布到linux服务器，今天找了多方资料，了解了其步骤，现在记录如下： 1：编辑 mainifest.json 文件 需要注意的是运行的基础路径，像我写的是/touch/路径，那么服务器上 要新建一个touch文件夹（例如tomcat的webapps建一个touch文件夹） 2：点击上方发行，网站-h5手机版 3：弹出框填写 网站标题和网站域名，然后点击发行 4：控制台查看编译后文件路径 我们发现，不管我们如何改mainifest.json配置，最后的编译文件都放在一个h5下面， 注意：不要与上面的运行基础路径配置相混淆 5：进入h5文件夹下 6：上传文件到服务器上，我服务器用的tomcat，所以将上面两个（static 和index.html）拷贝到tomcat下的webapps 中的touch目录里面（注意，这时候如果没有touch目录需要在服务器上新建） 7：最后启动tomcat 然后域名/touch 访问地址 xxx.com/touch 至此，uniapp h5版本已发版完成，这里面我也用到了nginx 和域名，nginx用来解析域名代理到tomcat，这就比较简单了。 参考地址： https://uniapp.dcloud.io/quickstart?id=_2-%E9%80%9A%E8%BF%87vue-cli%E5%91%BD

本文来自贺文通、何彧衡、何志强的课程设计。 系统实现 硬件实现   将树莓派的第29号引脚接到L298N电机驱动的IN1端，树莓派的第31号引脚接到L298N电机驱动的IN2端，树莓派的第33号引脚接到L298N电机驱动的IN3端，树莓派的第35号引脚接到L298N电机驱动的IN4端，树莓派的第38号引脚接到L298N电机驱动的ENA端，树莓派的第40号引脚接到L298N电机驱动的ENB端，树莓派的第36号引脚接到蜂鸣器模块的IO口，树莓派的第11号引脚接到LED灯模块的R_COLOR_IO口，树莓派的第13号引脚接到LED灯模块的Y_COLOR_IO口，树莓派的第15号引脚接到LED灯模块的G_COLOR_IO口，树莓派的第16号引脚接到左侧红外避障模块的IO口，树莓派的第18号引脚接到右侧红外避障模块的IO口，树莓派的第22号引脚接到前侧红外避障模块的IO口，树莓派的第32号引脚接到后侧红外避障模块的IO口。 实际外观如下图所示(实际情况以代码为准)。 软件实现   训练样本获取源码解析：   在zth_process_img.py中主要对小车接口进行定义、对接口输入输出模式进行设置，对接口使能方式进行设置。   将接口控制和逻辑设计组合成动作函数。部分动作函数如下图所示。   在zth_collect_data.py中主要对摄像头运行方式、图像像素大小、取样帧数进行了设置

从SRCNN到EDSR，总结深度学习端到端超分辨率方法发展历程 深度学习端到端超分辨率方法发展历程（二） 超分辨率（Super-Resolution）论文整理 【超分辨率】—图像超分辨率(Super-Resolution)技术研究 本文由博客一文多发平台 OpenWrite 发布！ 来源： CSDN 作者： K.osth 链接： https://blog.csdn.net/qq_39061629/article/details/104124544

文章目录 前文 解决 总结 前文   接手同事项目很久，由于没认真看项目配置，在接到从http升到https的需求后，自己搞了很久，在2天后找到原因却哭笑不得，就是一个非常简单的原因，在这里记录下，当碰到这个问题的时候一定要从ALLOWED_HOSTS入手，而不是绕一大圈排查前端、https、跨域等等问题，当然如果你确认了非ALLOWED_HOSTS可以从这些入手。   一切前提当然首先得先配对https，也就是说你要有证书，证书如果是自研项目就去申请；如果是公司项目就让运维同事分配到对应的主机上，然后指定ssl到指定目录即可。 解决   原项目是Django+Vue的http方式，在确认了nginx配置无误(即ssl证书正常配置以及80端口强制转443端口，且能telnet通的情况下)，浏览器报了两个错误： Mixed Content和OPTIONS ERR_CONNECTION_CLOSED 。   解决这两个错误就是相对应的改2行代码即可，分别对应的前端和后端，针对前端： 原先是直接在一台机子上访问ip和端口，所以prod.env.js是： BASE_API: '"http://127.0.0.1:8000"',   因为这个原因在转为https后浏览器即报Mixed Content，即浏览器请求前端是https，但前端请求后端接口却是http

课时3 计算机视觉历史回顾与介绍下 ImageNet有5000万张图片，全部都是人工清洗过得，标注了超过2万个分类。 CS231n将聚焦于视觉识别问题，图像分类关注的是大图整体；物体检测告诉你东西具体出现在图片的哪里以及物体之间的联系是什么之类的。 CNN是深度学习架构的一种，2012年之前的imageNet，都是特征+支持向量机的，也是分层结构，但没有端到端的特征； Kunihiko Fukushima提出了一个模型，称为Neocognitron，是神经网络架构的开端。 数据本身并没有什么意义，但是在深度学习架构中，数据成了高性能架构的驱动力，来执行端到端的训练，帮助解决过拟合问题，只要有足量的数据。 愿景 ：给电脑一张图片，电脑可以输出描述性文字（一句话之类的）。 来源： https://www.cnblogs.com/bxyan/p/6730138.html

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 端到端是咨询顾问或者说IT从业者们经常会随口抛出来的一个名词，感觉说出来就有一种高大上的感觉。 然后呢，究竟是怎么个端到端法，具体能解决什么问题很少有人能真正说的清楚，然后也没有什么然后了。 今天就详细聊聊这个已经你特别“熟悉”的端到端的流程。 一、初步认识 首先我们看下MBA智库里对端到端的解释： “ 端到端流程是从客户需求端出发，到满足客户需求端去，提供端到端服务，端到端的输入端是市场，输出端也是市场。 这个端到端必须非常快捷，非常有效，中间没有水库，没有三峡，流程很顺畅。 如果达到这么快速的服务，降低了人工成本，降低了财务成本，降低了管理成本，也就是降低了运作成本。 其实，端到端的改革就是进行内部最简单的最科学的管理体系的改革，形成一支最精简的队伍。 ” 看完了是不是还没什么感觉，端到端和业务流程优化有什么区别吗？什么是从客户需求端出发，到客户需求端去呢？是不是还是一脸的懵逼？ 文中还讲到了一个铁路主干线的例子。 这个例子讲到京沪线是一条铁路大动脉，它包括很多局部站点之间的短途铁路，例子中用这个大动脉来比喻端到端的流程，用一截一截的短途铁路来比喻企业紧邻部门的流程。 图中箭头指示了北京到上海的端到端的流程以及南京到镇江的紧邻部门的流程。 是不是有了些感觉

一、记忆网络 记忆网络：通过设计记忆模块 存储序列模型的中间结果 以防丢失信息 意义：可以解决RNN中信息丢失问题 二、RNN序列以及GRU和LSTM 1、传统RNN方法 2、GRU方法：多了两个门 3、LSTM多了一个记忆单元ct 二、前期知识储备 了解Memory NetWork 参考链接：https://arxiv.org/abs/1410.3916 https://zhuanlan.zhihu.com/p/29590286 来源： https://www.cnblogs.com/cola-1998/p/11945803.html

作者和相关链接 方法概括 方法细节 实验结果 总结与收获点 参考文献和链接 作者 论文下载 代码下载 方法概括 方法概述 该方法将文字检测和识别整合到一个端到端的网络中。检测使用YOLOv2+RPN，并利用双线性采样将文字区域统一为高度一致的变长特征序列，再使用RNN+CTC进行识别。 文章亮点 检测+识别在一个网络中端到端训练 速度很快（100ms/每张图，注意是检测+识别！） 主要流程 如上图，整个端到端识别分为四步： 检测：用去掉全连接层的YOLOv2框架进行fcn+RPN，得到候选文字区域 双线性采样（实际上是一个Spatial Transform module）：将大小不同的文字区域统一特征映射为高度一致宽度变长的特征序列 识别：将特征序列用rnn得到概率矩阵（带recurrent的fcn），再接CTC得到识别字符串 方法细节 检测的FCN网络 最后输出的feature map是：W/32 * H/32 * 1024 Region Proposals 采用类似于RPN的anchor机制 这个怎么加入loss？ ） 每个anchor点有14个anchor box，这14个anchor box的scale、aspects（ angle范围怎么设? ）通过在训练集上用k-means聚类得到 正负样本选择：IOU最大为正anchor box，其他均为负样本（ 合理吗？ ）

一、Android系统代码中实现设备名分配 　　1. \frameworks\base\services\core\java\com\android\server\ConnectivityService.java 　　　 建立连接时读取 "net.hostname" 属性值是否为空，如果为空则获取设备id，加上"android-"前缀并设置到属性： protected ConnectivityService(Context context, INetworkManagementService netManager, INetworkStatsService statsService, INetworkPolicyManager policyManager, IpConnectivityLog logger) { mHandlerThread = new HandlerThread("ConnectivityServiceThread"); mHandlerThread.start(); mHandler = new InternalHandler(mHandlerThread.getLooper()); mTrackerHandler = new NetworkStateTrackerHandler(mHandlerThread.getLooper()); // setup our

https://blog.csdn.net/ligeforrent/article/details/82464540 稳定性保障思路 1. 线上系统稳定性 容灾切换 流控方案 2. 系统依赖 超时设置与监控报警 降级方案 熔断处理 强弱依赖梳理，保证核心流程 3. 系统运维 蓝绿部署 回滚规范 自动化运维工具 故障演练 4. 流程保障 服务上线流程SOP 数据库变更SOP 代码规范，模板工程 代码质量检测 5. 系统性能 全链路压测 请求异步化 服务延迟/慢查询 代码重构 6. 系统可伸缩性 容量评估与预警 7. 系统安全 数据库安全 接口安全 租户隔离 8. 端到端质量保障 方案设计 来源： https://www.cnblogs.com/ceshi2016/p/11676814.html