CFG桩技术交底.pdf

SublimeText3中文版。

hadoop自带的Container-executor在配置yarn-kerberos时存在问题，这边给出编译后的Container-executor，默认加载配置文件路径/etc/container-executor.cfg，大家不用再重新编译了

使用 Python Opencv 实现 Yolo v3，讲清每一步，每一行代码，包含 jupyter-notebook效果以及 matplotlib 与 OpenCV 之间的图像差异，博客地址：https://blog.csdn.net/qq_39567427/article/details/105451962 所需下载文件

H3C V7防火墙PPPOE拨号上网通过端口映射实行内外网用户都可以访问内网服务器 已经在H3C防火墙F100-C60上正常运行，只需要修改配置文件中的上网帐号（admin888）、密码（admin123456）后导入V7版防火墙就可以正常使用 防火墙G1/0/3口为WAN口， interface Dialer1为PPPOE拨号 G1/0/4口为LAN口（IP为192.168.10.1） 内网有一台服务器（IP为192.168.10.222，端口211、1433）， PPPOE拨号NAT端口映射后，可以正常上网，在内网可以通过绑定域名访问服务器，外网用户可以通过绑定域名访问服务器 需要服务器上安装了alidns软件，每当公网IP改变时，alidns软件会自动更新阿里云域名解析到新IP上，这样就可以通过域名访问服务器了。 本案例适用于软件平台为Comware V7系列防火墙：F100-X-G2、F1000-X-G2、F100-WiNet、F1000-AK、F10X0等 注：本案例是在F100-C-G2的Version 7.1.064, Release 9510P08版本上进行配置和验证的。 以下是配置文件：

在计算理论中我们学到上下文无关文法和下推式自动机的等价性，会要求从CFA到PDA的转换，该程序简单的实现了这一要求......

如果你想对小型和大型物体都要训练，使用修改后的yolov3的Tiny-model的配置文件，包含了3个yolo layers。

OpenCV-YOLOv3示例代码、预训练模型以及测试图像/视频。让我们看看YOLO如何在一张图片中检测目标。 首先，它把原图按比例平均分解成一张有13x13网格的图片。这169个单元会根据原图的大小而改变。对于一张416x416像素的图片，每个图片单元的大小是32x32像素。处理图片时，会以图片单元为单位，预测单位中的多个边界框。 对于每个边界框，这个网络会计算所包含物体的边界框的置信度，同时计算所包含的目标是属于一个特定类别的可能性大小。 非最大抑制（non-maximum suppression）可以消除低置信度的边界框，以及把同时包围着单个物体的多个高置信度的边界框消除到只剩下一个。

cfg文件解码和生成.rar 有兴趣试试。

在运行目标检测典型算法yolov3时，有不同的神经网络可供选择，该文件是voc版本，文件提供了神经网络中不同类型的层的配置参数包括batch_size, width,height,channel,momentum,decay，learning_rate等。