精华内容
下载资源
问答
  • Plug and Play(即插即用)是系统重要服务,使计算机在极少或没有用户输入的情况下能识别并适应硬件的更改,如果Plug and Play(即插即用)服务被意外终止的话可能会影响到系统的稳定性,平常我们会使用优化软件对系统...

    Plug and Play(即插即用)是系统重要服务,使计算机在极少或没有用户输入的情况下能识别并适应硬件的更改,如果Plug and Play(即插即用)服务被意外终止的话可能会影响到系统的稳定性,平常我们会使用优化软件对系统进行优化,此时Plug and Play服务很有可能被优化关闭,可能会出现系统没有声音或显示器显示异常、出错等问题,此时开启Plug and Play是很有必要的,下面来看看系统服务的开启方法吧。

    调整、开启 Plug and Play (即插即用)服务的方法:

    1、开始→控制面板→管理工具→服务→ Plug and Play →自动或者手动、应用。

    e406b191b205be5ace559b3cc4bddef4.png

    2、只有将启动类型设置成自动或者手动,启动按钮才会由不可设置的灰色变成可设置的黑色。

    此时再点击启动,稍后该服务就会处于已启动状态,点击确定。

    6bfb433190b71b71b9383b07f2f84d55.png

    3、在运行中输入:services.msc 点击确定,或按下回车键(Enter)也能打开服务设置框。

    b614fec99e43632504743256b25b9084.png

    4、在服务中无法开启此服务,可在运行中输入命令:net start Plug and Play 开启服务。

    f217462178af6bb4bf2f66270f7138f6.png

    声音相关:

    1、比如电脑没有声音,驱动正常,但是开启Windows Audio声音服务的时候显示错误1068

    e8320d9c01589127aa364228008aa24b.png

    2、Windows7操作系统中还有一个和Windows Audio服务的关联的Windows Audio Endpoint Builder服务时也显示错误1722:RPC服务器不可用。的错误信息。

    a36d87486f13a1d79426030580a6c890.png

    3、此时可尝试开启和Windows Audio服务相关联的Plug and Play和Power服务,重启生效。

    再开启Windows Audio和Windows Audio Endpoint Builder服务就正常了。

    7d0403f554f5b7a8e715f36ec79eed34.png

    显示异常:

    1、打开设备管理器时,右边窗口列表中未显示设备,本该显示设备的地方显示一片空白。

    5ba107e8444c27d1c7261c3d67bff8b6.png

    2、首先启动Plug and Play服务:运行中输入:services.msc 回车打开服务,双击Plug and Play服务→启动类型→自动或者手动→应用→启动→已启动→确定

    f6dc7f994354b92ad9e93c47a0710e4e.png

    3、如果还不能正常打开,说明系统文件已受损,可以从正常的电脑上(相同的操作系统)拷贝系统文件替换之,或者插入系统安装光盘,在运行中输入CMD 点击确定,或按下回车键(Enter)打开命令提示符窗口,在其中输入:sfc /scannow 命令来恢复系统文件。

    93a69c0b2a8b01776d31bdf213055c1c.png

    4、然后再设法注册相关动态链文件,在CMD命令提示符窗口分别输入注册命令(回车执行):

    regsvr32 jscript.dll

    regsvr32 vbscript.dll

    regsvr32 msxml3.dll

    66fd003615ad5bc120052d7c093b660e.png

    5、再在运行中输入命令:devmgmt.msc 点击确定,或按下回车键(Enter)就能看到设备管理器中显示正常的相关设备讯息了(见下图)。

    b23f7c2add8658f7c32fb5efe1006e04.png

    电脑新安装的外接设备大部分都是需要开启Plug and Play (即插即用)服务,以上就是Plug and Play服务被终止出现的声音和显示器异常的解决方法,希望对大家遇到的Plug and Play服务意外终止有所帮助。

    展开全文
  • 卷积神经网络即插即用的小插件前言小插件STNASPPNon-localSECBAMDCN v1&v2BlurPoolRFBASFF代码实现STNASPPNon-localSECBAMDCNBlurPoolRFBASFF 前言 本篇博客主要介绍卷积神经网络中的即插即用的模块。“即插即用...

    前言

    本篇博客主要介绍卷积神经网络中的即插即用的模块。“即插即用的插件“意味着该插件能够快速复现,并且能够随时应用到神经网络中,容易植入,容易落地,真正做到“plug-and-play”。在之前的项目当中,使用yolov4已经涉及到一些模块,如channel attention、CBAM、SE等。本文除了介绍上述几种插件,还会介绍ASPP、Non-local等即插即用小模块。本篇博客主要参考:真正的即插即用!盘点11种CNN网络设计中精巧通用的“小”插件

    卷积神经网络设计技巧

    卷积神经网络中,深度决定了网络的表达能力,网络越深,其学习能力越强。宽度(通道数、卷积核)决定了网络在某一层学到的信息量,因为卷积层能重组通道间的信息,这一操作能让有效信息量增大。感受野决定了网络在某一层看到多大范围,一般而言,最后一层一定至少要看到最大的有意义的物体,更大的感受野通常是无害的。在达到相同感受野的情况下,多层小卷积核的性能一定比大卷积核更好,因为多层小卷积核的非线性更强,而且有利于特征共享,如KaTeX parse error: Undefined control sequence: \timies at position 2: 7\̲t̲i̲m̲i̲e̲s̲ ̲7卷积核与两个KaTeX parse error: Undefined control sequence: \timies at position 2: 5\̲t̲i̲m̲i̲e̲s̲ ̲5的卷积核感受野相同,但是非线性能力后者优于前者。

    分辨率很重要,尽量不要损失分辨率,为了保住分辨率,在使用下采样之前要保证在这一层上有足够的感受野,这个感受野是相对感受野,是指这一个下采样层相对于上一个下采样层的感受野,把两个下采样之间看成一个子网络的话,这个子网络必须得有一定的感受野才能将空间信息编码到下面的网络去,而具体需要多大的相对感受野,只能实验,一般说来,靠近输入层的层空间信息冗余度最高,所以越靠近输入层相对感受野应该越小。同时在靠近输入层的层,这里可以合成一个大卷积核来降低计算量。
    这种矛盾决定了下面的做法:

    前面几层下采样频率高一点,中间层下采样频率降低,并使用不下采样的方法提高深度。

    网络能深则深,在保持比较小宽度的时候,要想办法加深网络,变深的过程中网络慢慢变胖。

    使用小卷积核(不包括1x1,因为它对于增加感受野无意义),小卷积核有利于网络走向更深,并且有更好的识别鲁棒性,尤其是在分辨率更小的特征图上,因为卷积核的尺寸是相当于特征图的分辨率来说的,大特征图上偏大的卷积核其实也并不大。

    下采样在网络前几层的密度大一些,(这样能尽可能用微弱精度损失换取速度提升) 越往后下采样的密度应该更小,最终能够下采样的最大深度,以该层的感受野以及数据集中最大的有意义物体尺寸决定(自然不可能让最大有意义的物体在某一层被下采样到分辨率小于1,但是网络依然可以work,只不过最后几层可能废弃了(要相信cnn的学习能力,因为最大不了它也能学出单位卷积,也就是只有中心元素不为0的卷积核),更准确的说这是最大感受野的极限,最大感受野应该覆盖数据集中最大有意义的物体)。

    第一层下采样的时候大卷积核能尽可能保住分辨率(其实相当于合成了两三层小卷积核,另外,这和插值是类似的,类比于最近邻插值,双线性插值,双三次插值,这其实和感受野理论一致,更远的插值意味着更大的感受野)。

    小插件

    STN

    STN出自论文:Spatial Transformer Networks。其主要架构如下图所示:
    在这里插入图片描述
    STN的思路是卷积神经网络具有平移不变性,另外还想让它具有其他不变性,如经过仿射变换的姿态不变性,位置不变性,光照不变性等,以此提高模型的泛化性能。提到卷积神经网络的平移不变性,也有一些说法证伪,说明神经网络不具有平移不变性,因为在执行卷积核池化后,下采样会破坏网络的平移不变性,使得网络不变性能力非常弱。

    STN模块,显式将空间变换植入到网络当中,进而提高网络的旋转、平移、尺度等不变性。可以理解为“对齐”操作。每一个STN模块由Localisation net,Grid generator和Sampler三部分组成。Localisation net用于学习获取空间变换的参数。Grid generator用于坐标映射。Sampler用于像素的采集,是利用双线性插值的方式进行。STN的意义是能够把原始的图像纠正成为网络想要的理想图像,并且该过程为无监督的方式进行,也就是变换参数是自发学习获取的,不需要标注信息。该模块是一个独立模块,可以在CNN的任何位置插入。

    ASPP

    ASPP,即带有空洞卷积空间金字塔池化模块,采用不同的尺度(rate)进行空洞卷积,主要为了提高网络的感受野以及引入多尺度的信息。ASPP主要应用在语义分割Deeplab算法中,出自论文DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Conv。其结构如下图所示:
    在这里插入图片描述
    在语义分割任务中,通常面临的是分辨率较大的图片,这就要求我们的网络有足够的感受野来覆盖目标物体。对于CNN网络基本是靠卷积层的堆叠加上下采样操作来获取感受野的。本文的该模块可以在不改变特征图大小的同时控制感受野,这有利于提取多尺度信息。其中rate控制着感受野的大小,r越大感受野越大。

    ASPP的结构类似Google net,主要包括以下几个部分:1. 一个全局平均池化层得到image-level特征,并进行1X1卷积,并双线性插值到原始大小;2. 一个1X1卷积层,以及三个3X3的空洞卷积;3. 将5个不同尺度的特征在channel维度concat在一起,然后送入1X1的卷积进行融合输出。
    在这里插入图片描述

    Non-local

    Non-local模块出自论文Non-local Neural Networks
    在这里插入图片描述
    Non-Local是一种attention机制,也是一个易于植入和集成的模块。Local主要是针对感受野(receptive field)来说的,以CNN中的卷积操作和池化操作为例,它的感受野大小就是卷积核大小,而我们常用3X3的卷积层进行堆叠,它只考虑局部区域,都是local的运算。不同的是,non-local操作感受野可以很大,可以是全局区域,而不是一个局部区域。捕获长距离依赖(long-range dependencies),即如何建立图像上两个有一定距离的像素之间的联系,是一种注意力机制。所谓注意力机制就是利用网络生成saliency map,注意力对应的是显著性区域,是需要网络重点关注的区域。

    1. 首先分别对输入的特征图进行 1X1的卷积来压缩通道数,得到 θ \theta θ ϕ \phi ϕ g g g特征。
    2. 通过reshape操作,转化三个特征的维度,然后对 θ \theta θ ϕ \phi ϕ进行矩阵乘操作,得到类似协方差矩阵, 这一步为了计算出特征中的自相关性,即得到每帧中每个像素对其他所有帧所有像素的关系。
    3. 然后对自相关特征进行 Softmax 操作,得到0~1的weights,这里就是我们需要的 Self-attention系数。
    4. 最后将 attention系数,对应乘回特征矩阵g上,与原输入 feature map X 残差相加输出即可。

    SE

    SE模块其实是一种通道注意力机制。由于特征压缩和full connection的存在,其捕获通道注意力特征是具有全局信息的。而SE可以自适应地调整各通道的特征响应值,对通道间的内部依赖关系进行建模。SE的主要模块结构如下所示:
    在这里插入图片描述
    SE模块可以自适应的调整各通道的特征响应值,对通道间的内部依赖关系进行建模,有以下几个步骤:

    • Squeeze:沿着空间维度进行特征压缩,将每个二维的特征通道变成一个数,是具有全局的感受野。
    • Excitation:将每个特征生成一个权重,用来代表该特征通道的重要程度。
    • Reweight:将Excitation输出的权重看作每个特征通道的重要性,通过相乘的方式作用于每一个通道上

    CBAM

    CBAM的结构如下图所示,他由两个部分组成:Channel Attention Module和Spatial Attention Module。
    在这里插入图片描述

    • Channel Attention Module:输入一个 H × W × C H\times W\times C H×W×C的特征 F F F,分别送进两个空间的全局平均池化核最大池化得到两个 1 × 1 × C 1\times 1\times C 1×1×C的通道描述。再将他们分别送进一个两层的神经网络,第一层的神经元的个数为 C r \frac{C}{r} rC,激活函数为Relu,第二层神经元的个数为C。这两层神经网络是共享的。然后再将得到两个特征相加后经过一个sigmoid激活函数得到权重系数 M c M_c Mc。最后将权重系统与原来的特征相乘即可得到缩放后的新特征。
    • Spatial Attention Module:与通道注意力相似,对于 H × W × C H\times W\times C H×W×C的特征 F F F,先分别进行一个通道维度的平均池化和最大池化得到两个 H × W × 1 H\times W\times 1 H×W×1的通道描述,并将两个描述按照通道拼接在一起。然后经过 7 × 7 7\times7 7×7的卷积层,激活函数为sigmoid,得到权重 M s M_s Ms。最后将权重与特征 F F F进行相乘即可得到缩放后的新特征。

    DCN v1&v2

    变形卷积(Deformable Convolutional)出自v1: [Deformable Convolutional Networks]v2: [Deformable ConvNets v2: More Deformable, Better Results],可以看作是变形+卷积两个部分。和传统的固定窗口的卷积相比,变形卷积可以有效地应对集合图形,因为它的局部感受野是可学习的,面向全图的。同时还提出Deformable ROI pooling,这两个方法都是增加额外偏移量的空间采样位置,不需要额外的监督,是自监督的过程。
    在这里插入图片描述

    如下图所示,a为不同的卷积,b为变形卷积,深色的点为卷积核实际采样的位置,和“标准的”位置有一定的偏移。c和d为变形卷积的特殊形式,其中c为我们常见到的空洞卷积,d为具有学习旋转特性的卷积,也具备提升感受野的能力。

    变形卷积和STN过程非常类似,STN是利用网络学习出空间变换的6个参数,对特征图进行整体变换,旨在增加网络对形变的提取能力。DCN是利用网络学习数整图offset,比STN的变形更“全面一点”。STN是仿射变换,DCN是任意变换。公式不贴了,可以直接看代码实现过程。

    变形卷积具有V1和V2两个版本,其中V2是在V2的基础上进行改进,除了采样offset,还增加了采样权重。V2认为3X3采样点也应该具有不同的重要程度,因此该处理方法更具有灵活性和拟合能力。
    在这里插入图片描述

    BlurPool

    BlurPool出自论文Making Convolutional Networks Shift-Invariant Again。基于滑动窗口的卷积操作是具有平移不变性的,因此也默认为CNN网络具有平移不变性或等变性,事实上真的如此吗?实践发现,CNN网络真的非常敏感,只要输入图片稍微改一个像素,或者平移一个像素,CNN的输出就会发生巨大的变化,甚至预测错误。这可是非常不具有鲁棒性的。一般情况下利用数据增强获取所谓的不变性。本文研究发现,不变性的退化根本原因就在于下采样,无论是Max Pool还是Average Pool,抑或是stride>1的卷积操作,只要是涉及步长大于1的下采样,均会导致平移不变性的丢失。具体示例如下图所示,仅仅平移一个像素,Max pool的结果就差距很大。
    在这里插入图片描述
    在这里插入图片描述

    为了保持平移不变性,可以在下采样之前进行低通滤波。传统的max pool可以分解为两部分,分别是stride = 1的max + 下采样 。因此作者提出的MaxBlurPool = max + blur + 下采样来替代原始的max pool。实验发现,该操作虽然不能彻底解决平移不变性的丢失,但是可以很大程度上缓解。

    RFB

    Receptive Field Block(RFB)出自Receptive Field Block Net for Accurate and Fast Object Detection。论文发现目标区域要尽量靠近感受野中心,这会有助于提升模型对小尺度空间位移的鲁棒性。因此受人类视觉RF结构的启发,本文提出了感受野模块(RFB),加强了CNN模型学到的深层特征的能力,使检测模型更加准确。RFB可以作为一种通用模块嵌入到绝大多数网路当中。下图可以看出其和inception、ASPP、DCN的区别,可以看作是inception+ASPP的结合。
    在这里插入图片描述
    在这里插入图片描述

    ASFF

    Adaptively Spatial Feature Fusion(ASFF)出自[Adaptively Spatial Feature Fusion](Adaptively Spatial Feature Fusion Learning Spatial Fusion for Single-Shot Object Detection)。
    在这里插入图片描述

    为了更加充分的利用高层语义特征和底层细粒度特征,很多网络都会采用FPN的方式输出多层特征,但是它们都多用concat或者element-wise这种融合方式,本论文认为这样不能充分利用不同尺度的特征,所以提出了Adaptively Spatial Feature Fusion,即自适应特征融合方式。FPN输出的特征图经过下面两部分的处理:

    Feature Resizing:特征图的尺度不同无法进行element-wise融合,因此需要进行resize。对于上采样:首先利用1X1卷积进行通道压缩,然后利用插值的方法上采样特征图。对于1/2的下采样:利用stride=2的3X3卷积同时进行通道压缩和特征图缩小。对于1/4的下采样:在stride=2的3X3的卷积之前插入stride=2的maxpooling。

    代码实现

    关于这些模块的代码实现,详情可以参考我的github仓库:https://github.com/RyanCCC/CNN_Component,喜欢的可以给个star,非常感谢!

    展开全文
  • Plug and Play(即插即用)服务是一个非常重要的服务,需要开启。也有时候出错,并不是因为服务未开启,而是驱动程序异常所致,只是表现在即插即用服务未开启。1、如果还能进入操作系统,可以尝试开启该服务。开始→...

    Plug and Play(即插即用)服务是一个非常重要的服务,需要开启。也有时候出错,并不是因为服务未开启,而是驱动程序异常所致,只是表现在即插即用服务未开启。

    1、如果还能进入操作系统,可以尝试开启该服务。开始→控制面板

    615003780efa4d591e561f578ea9c191.png

    2、控制面板→系统和安全

    dfa05f00f6a50701d392c50023507c50.png

    3、系统和安全→管理工具

    5ebbc481a515c7c1408fadfb7a301977.png

    4、管理工具→服务

    35bdb2f1dd609cd7a781f716e3716920.png

    5、通常情况下Plug and Play是默认开启的,如果关闭之后,会有稀奇古怪的出错现象,比如磁盘管理会打不开。

    efa7d652a65ff3da5719b5e6bd7f0fc7.png

    6、依存关系中可以看到这些服务都依赖Plug and Play服务的。

    8228d581e05a8bf42fc0f4182f3c9e92.png

    7、可以使用命令开启服务。

    开始→所有程序→附件→右键点击命令提示符→以管理员身份运行

    401dd7f1d448f0999d862e2d07b8d961.png

    8、开启服务命令,按回车(Enter键)执行命令: net start PlugPlay

    39dc2b6f70e32451eafe91ae40ff3f81.png

    9、查看命令中的服务名称之方法:

    双击服务→服务名称 PlugPlay(而不是显示名称:Plug and Play)

    5f26fcd3c576cb523282706cf34dcefe.png

    10、特殊案例:驱动程序异常,表现在正常系统异常,但是安全模式中确实可以的,不妨全面更新主板的驱动程序,问题得以解决。

    a96fcd9c4289aacba022bbce1a576c13.png

    展开全文
  • 即插即用——移动硬盘安装Ubuntu20.04

    千次阅读 2021-07-09 11:37:05
    即插即用——移动硬盘安装Ubuntu20.04 缘起 很多开源的与深度学习相关的代码其模型训练都是在服务器上完成的,当尝试在windows下去运行别人的代码时,总会出现一些意想不到且难以解决的问题,索性尝试在移动硬盘上...

    即插即用——移动硬盘安装Ubuntu20.04

    缘起

    很多开源的与深度学习相关的代码其模型训练都是在服务器上完成的,当尝试在windows下去运行别人的代码时,总会出现一些意想不到且难以解决的问题,索性尝试在移动硬盘上安装一个linux系统,实现了随插随用(所有配置均存储在移动硬盘上,包括配好的代码环境,换一台电脑也能用)。
    参考

    准备工作

    1.下载desktop镜像文件

    访问http://releases.ubuntu.com/20.04/
    在这里插入图片描述

    2.安装VMware虚拟机

    利用VMware作为安装工具,所以需要自行下载并安装,安装位置随意。可以直接就下专业版的试用30天(反正就用一次)。
    在这里插入图片描述

    3.移动硬盘和分区助手

    我自己的硬盘是是1T的固态硬盘,打算专门划500G给ubuntu,剩下的用来存其他东西。用到的工具是分区助手(这个工具挺方便的,之前用过它来把D盘空间划分给C盘),打开选择要分区的硬盘直接右键就有各种操作选项,选择要执行的操作之后,点击左上角提交即可(可能需要电脑重启)。
    这张图是安装完系统之后的分区情况,硬盘1就是我的移动硬盘;一开始我只分了两个区,前半部分用来装系统,后半部分留着存其他资料,在之后系统安装过程中会将前半部分分为4个区。**注意:分区格式为NTFS**
    这张图是安装完系统之后的分区情况,硬盘1就是我的移动硬盘;一开始我只分了两个区,前半部分用来装系统,后半部分留着存其他资料,在之后系统安装过程中会将前半部分分为4个区。注意:分区格式为NTFS,如果分区操作选项为灰色,需要先格式化硬盘。

    开始安装

    打开VMware创建新的虚拟机。
    在这里插入图片描述
    执行到下面这一步需要选择稍后安装操作系统,否则它会自动给你进行简易安装,没办法更改系统语言等设置。

    在这里插入图片描述安装位置随意放就行

    选择磁盘大小,这里选多少都无所谓的,因为最后是把它装在硬盘上。
    在这里插入图片描述
    这一步可以选择自定义硬件,为了安装速度快一点,建议配置稍微选高一点
    在这里插入图片描述
    这样就创建了一台没有操作系统的机器,然后不要忙着开机,先编辑虚拟机设置:首先在“硬件”选项中需要把下载好的ISO镜像文件设置好在这里插入图片描述
    为了兼容usb3.0(我的是type-C接口),需要设置USB控制器
    在这里插入图片描述

    在“选项”中选择最后一项“高级”把引导方式BIOS固件改为UEFI,设置完记得“确定”。在这里插入图片描述
    然后就可以打开虚拟机,默认选择第一项进行系统的安装(可能会报一些警告,不用管)
    在这里插入图片描述
    虚拟机启动之后,需要把移动硬盘挂载到虚拟机上,然后把语言切换成中文,点击“安装Ubuntu"
    在这里插入图片描述
    选择最小安装,并且取消安装时下载更新(安装完之后再更新)
    在这里插入图片描述
    安装类型选择“其他选项”,自己创建分区
    在这里插入图片描述

    然后会弹出下面这个对话框,我选了“是”,因为后面要在上面创建新的分区。
    在这里插入图片描述
    然后就可以看到sda就是我的移动硬盘
    在这里插入图片描述
    然后我们需要进行分区,之前说过打算在移动硬盘的前半部分上装系统,所以只对sda1进行操作。首先分出存放系统引导的EFI系统分区,大小1G左右即可。
    在这里插入图片描述
    然后依次分出用于内存交换的swap分区(一般说是电脑内存的两倍,我给了和我内存条差不多的大小16G),后面你可以分出挂载在根目录、\home目录等的ext4分区。因为好像没有限制主分区的数目,所以这些分区我都设成了主分区(这里可以自己摸索一下,选中要操作的分区可以添加或删除,最我最后的分区情况和这个截图并不完全一致,尽量让efi分区的序号排在其他分区的前面)。分完区之后要把安装启动引导器的设备设成efi分区的那块分区,否则无法通过移动硬盘正确引导启动。
    在这里插入图片描述
    至此,关键步骤基本完成,后续进行时区、用户名、密码等设置就可以开始安装(时间半小时左右)。安装完成之后关闭虚拟机,VMware这个工具也就不需要了。
    然后重启你的电脑,启动的时候一直按F12或者Esc(联想是这样),更改你的启动项为刚刚的硬盘,就可以进入Ubuntu系统了。而且,当我把硬盘插在别人电脑上并设置从我的硬盘启动时,系统也照样能够运行,配好的环境也都在,唯一要注意的是和你插入的电脑显卡的驱动要匹配才能看到桌面。即插即用的感觉还是挺香的。

    展开全文
  • 把软件装进U盘,真正做到即插即用

    万次阅读 多人点赞 2021-03-01 10:19:38
    把软件装进U盘,真正做到即插即用如果你觉得到处携带电脑十分的不方便,但是换一个工作环境,临时电脑上又没有常用的软件,例如:PS,AE等等,现在看来有两种解决方案,一种是个别网络厂商提供的在...
  • 1 准备工作: 1.1 虚拟机VMware Workstation;(如果需要xx版本可以联系我哈) 1.2 kali系统... 31 到此为止,你就拥有一个即插即用的kali操作系统了,可以开始揣着你的系统到处晃荡了。。 32 有问题随时欢迎私信或vx我
  • 懒得自己做可以戳我 1 准备工作: 1.1 虚拟机VMware Workstation;(如果需要xx版本可以联系... 29 到此为止,你就拥有一个即插即用的kali操作系统了,可以开始揣着你的系统到处晃荡了。。 30 有问题随时欢迎私信或vx我
  • 每一个硬盘设备最多只能有 4 个主分区(其中包含扩展分区)构成,任何一个扩展分区都要占用一个主分区号码 在一个硬盘中,主分区和扩展分区总和不超过4 常用分区 /boot分区 包含操作系统的内核在和在启动系统过程...
  • 其它解读:CVPR 2021 | 用于动作识别,即插即用、混合注意力机制的 ACTION 模块 备注:人体 人体动作检测与识别交流群 动作识别、动作检测等技术, 若已为CV君其他账号好友请直接私信。 在看,让更多人看到
  • 论文中提出一个即插即用的混合注意力机制的 ACTION 模块用于时序动作识别 (比如手势)。该模块包含了时空注意力,信道注意力和运动注意力。 详细信息如下: 论文链接:https://arxiv.org/abs/2103.07372 项目链接:...
  • CVPR 2021 | 用于动作识别,即插即用、混合注意力机制的 ACTION 模块 分享一篇来自 CVPR 2021 的文章,ACTION-Net: Multipath Excitation for Action Recognition。作者单位:都柏林圣三一大学,字节跳动 AI Lab...
  • NAM: Normalization-based Attention Module ... ... 摘要 注意机制是近年来人们普遍关注的研究兴趣之一。它帮助深度神经网络抑制较不显著的像素或通道。以往的许多研究都集中于通过注意力操作来捕捉显著特征。...
  • 经过时间的检验,SE模块现在已经大量应用在各个最新架构和场景中,即插即用的典范。 代码 class SEModule(nn.Module): """ SE Module """ def __init__(self, in_channels, reduction_ratio=16): super().__init__()...
  • 我们将提出的注意力方法命名为坐标注意力,因为它的操作区分空间方向(坐标)并生成坐标感知注意力图。 我们的协调关注提供了以下优势。首先,它不仅捕获跨通道信息,还捕获方向感知和位置敏感信息,这有助于模型更...
  • 现在,我们上硬盘:首先查看格式 ,最好格式化为ExFAT(两个系统都兼容) (怎么格式化? ----- 磁盘工具的窗口中上方点击“抹掉”,选择格式:ExFAT) 然后把上述的两个文件都转移到我们的硬盘里面...... Step 4...
  • 说明: 我是用双U盘按照以下教程把Ubuntu18安装到自己的U盘上,实现即插即用: 一个U盘制作了启动盘,一个U盘用来装系统。 制作启动盘 插上启动盘和另一个准备装系统的U盘,BIOS启动Ubuntu,在里面按照下面的教程...
  • 通过U盘直接打印,可以摆脱电脑操作的束缚,即插即用,非常方便。碰到没有电脑情况下,也能实现快速打印,解决用户的燃眉之急。夏普MX-3618NC配备了USB接口,支持U盘直接打印,能帮助用户实现高效办公。接下来就是...
  • 这两种方法都是mixup方法在中间隐层的推广,因此原文开源代码都需要对网络各层的内部代码进行修改,使用起来并不方便,不能做到即插即用。我用pytorch中的钩子方法(hook)对这两个方法进行重新实现,这样就可以实现...
  • 在开发的过程中,常常会遇到“不存在插入,存在更新”的需求,虽然分成两步也可以完成上述功能,但是有一种简单方法可以一次性完成。 1,首先,在表结构中将判断字段创建唯一索引,脚本如下: ALTER TABLE ...
  • U盘,全称USB闪存驱动器,是一种使用USB接口的无须物理驱动器的微型高容量移动存储产品,通过USB接口与电脑连接实现即插即用。本教程操作环境:windows7系统、Dell G3电脑。相关推荐:《编程教学》目前U盘主要是通过...
  • 《论文阅读》Point Transformer

    千次阅读 2021-02-14 17:16:48
    利用NLP领域中大火的transformer构建了一个在点云领域中使用的transformer,即插即用 2.文中提到了这里的位置函数,也就是自注意力中的查询向量起到了一个非常重要的作用,在这上面可以多作文章
  • MSM8953 Android9.0 配置USB2.0 Camera

    千次阅读 2021-11-04 10:14:39
    Android 平台支持使用即插即用的 USB 摄像头(即网络摄像头),但前提是这些摄像头采用标准的Android Camera2 API和摄像头HIDL接口。网络摄像头通常支持USB 视频类 (UVC)驱动程序,并且在 Linux 上,系统采用标准的...
  • ”随身WiFi测评,谈真实体验

    千次阅读 2021-08-11 10:14:44
    最近刚入了一个随身WIFI,简直绝了,再也不用担心网卡或者没网了,强烈安利这款随身WIFI,真的非常小巧,方便,即插即用,网速也非常欧克,看视频打游戏聊天,可以多个人一起使用一点也不卡。而且还是全网通用,更...
  • 我们知道,传感器对于AIOT来说是最核心的技术之一,在物理层中几乎就是通过各种传感器来从周围读取数据网络技术传给应用层的人工智能、机器学习、大数据等领域分析。下面是我们常用的传感器的一张全家福。 组件...
  • kali + 无线网卡 轻松破解Wifi

    千次阅读 2021-05-11 20:38:11
    enc表示算法加密体系 cipher表示检测到的加密算法 auth表示认证协议 essidssid号,wifi的名称 选择这个WiFi是因为抓到了他的握手包 (结束扫描:Ctrl+c) 七:然后抓包,使用命令:airodump-ng -c 7 --bssid 80:EA:...
  • 几种Transformer+CNN(U-net)网络

    千次阅读 2021-03-31 18:24:36
    一. 对比 ...Transformer ...融合深层语义信息和高精度特征所含信息 ...二....文章:TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation ...文章:TransFuse: Fusing Transformers and CNNs
  • 折半插入排序算法

    千次阅读 2021-05-12 15:18:34
    将待插入元素与a[mid](其中mid=low+(high-low)/2)相比较,如果比参考元素小,则选择a[low]到a[mid-1]为新的插入区域(high=mid-1),否则选择a[mid+1]到a[high]为新的插入区域(low=mid+1),如此直至low不成立...
  • chkdsk命令扫描一下磁盘,:输入CHKDSK x: /f按回车,修复磁盘上的错误. X是指你的U盘盘符. 3.看看是否恢复正常,如果不行你去下载一个FinalRecove的恢复工具,他能挽救软盘,硬盘U盘中的数据包括格式化后的分区,前提...
  • 排列组合之空法

    2021-08-11 22:41:45
    某些元素不相邻的排列组合题,不邻问题,可采用空法,在解决对于某几个元素要求不相邻的问题时,先将其它元素排好,再将指定的不相邻的元素插入已排好元素的间隙或两端位置,从而将问题解决的策略。这种方法...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,162,460
精华内容 464,984
关键字:

即插即用

友情链接: 野人过河.rar