社区
DataWindow
帖子详情
label风格的DW的记录定位--->
seabelial
2003-07-10 10:47:34
用scrolltorow,不行,没有反映,用selectrow也没有任何作用,请问这种风格的DW应该如何处理查找定位?
...全文
86
1
打赏
收藏
label风格的DW的记录定位--->
用scrolltorow,不行,没有反映,用selectrow也没有任何作用,请问这种风格的DW应该如何处理查找定位?
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
1 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
klbt
2003-07-10
打赏
举报
回复
setrow() ?
YOLOv11【第六章:模型压缩与极致优化篇·第18节】NAS(神经架构搜索):自动化搜索最适合端侧的 YOLOv11 结构!
本文系统讲解神经架构搜索(NAS)在YOLOv11端侧部署中的工程化应用,涵盖NAS三要素(搜索空间、搜索策略、评估方法),重点剖析硬件感知的延迟建模、多目标帕累托优化、DARTS可微分搜索与NSGA-II进化搜索实战,并结合延迟查找表(LUT)、剪枝与蒸馏联合优化,实现精度-延迟协同最优。内容聚焦ARM等边缘设备适配,强调代理指标设计、搜索空间裁剪及端到端验证。
目标检测技术演进:从Anchor-Based到Anchor-Free的核心原理与实战选型
本文系统梳理目标检测中Anchor-Based与Anchor-Free两大技术范式的核心原理、演进路径及实战选型逻辑。重点解析Anchor-Based(如Faster R-CNN、YOLOv3、SSD)的锚框生成、分类回归机制与固有缺陷;对比Anchor-Free(如FCOS、CenterNet、YOLOX)的关键点
定位
、密集预测范式、标签分配策略(ATSS/SimOTA)及中心度设计。分析二者在精度、速度、泛化性、部署适配性等方面的差异,并给出基于数据特性、项目阶段与硬件环境的工程选型指南。
隐翅虫目标检测实战:386张VOC+YOLO数据集与YOLOv8训练调优
目标检测是计算机视觉中最基础也最实用的技术方向,其核心在于让模型学会
定位
并识别图像中的物体。在具体落地时,数据格式的统一与模型的训练策略往往决定项目成败。PASCAL VOC作为经典标注格式,通过XML保存目标的绝对坐标;而YOLO格式则采用归一化坐标,更适配现代检测框架的输入要求。理解这两种格式的转换原理,能显著提升数据预处理的效率。在农业害虫识别、住宅虫害监测等场景中,小目标检测与样本量不足是常见挑战。本文基于一份386张的隐翅虫VOC+YOLO双格式数据集,系统梳理了从数据解析、格式转换、YOLOv8
PyTorch线性回归实战:从张量初始化到梯度调试的完整闭环
本文详解PyTorch实现线性回归的完整工程闭环,涵盖张量精度控制、nn.Linear与手动参数定义差异、MSE reduction模式对梯度尺度的影响、optimizer.zero_grad的内存机制、标准化必要性、可调试训练循环设计及梯度监控。强调其作为自动微分教学沙盒和生产级可干预建模工具的核心价值,适用于算法落地、模型可审计与向深度学习栈演进。
梯度下降原理与实战:从直觉理解到PyTorch训练全流程
本文系统讲解梯度下降的核心原理:梯度作为最陡下降方向的数学依据、学习率对收敛性的影响、批量策略(Batch/SGD/Mini-batch)的工程权衡;深入剖析线性回归、逻辑回归及神经网络中的梯度推导与代码实现;完整呈现MNIST手写数字识别的PyTorch训练全流程,涵盖数据标准化、损失函数选择(交叉熵)、反向传播机制、超参调优(学习率搜索、动量、早停)及常见问题排查(梯度爆炸/消失、学习率热身、确定性训练)。强调其在深度学习优化中的基础性与普适性。
DataWindow
611
社区成员
20,469
社区内容
发帖
与我相关
我的任务
DataWindow
PowerBuilder DataWindow
复制链接
扫一扫
分享
社区描述
PowerBuilder DataWindow
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章