云控日志CloudLog,帮助您实现电脑、手机、嵌入式系统等不同平台的日志管理统一化。通过CloudLog,您可以轻松保存、处理和显示各种平台发出的日志信息

Cc812487000 2023-07-31 17:41:18

快速本地使用:
1. 在Windows电脑上,我们推荐使用WM_COPYDATA消息进行日志传输,资源占用最少,速度最快。
2. 如果您的应用程序已经具备UDP或TCP功能,可以直接通过原有的Socket将日志发送到本机的127...1。
3. 对于嵌入式系统的本地调试,您可以通过串口、USB或网口来进行日志传输。

便捷远程及云端使用:
1. 您可以在路由器中设置端口转发功能,将对应的端口转发到安装了CloudLog的电脑上。
2. 为了方便获取到电脑所在的IP地址,我们建议使用动态域名系统(DDNS)服务。
3. 使用云控域名账号,在服务器上保存日志,您可以随时打开CloudLog回读所有未读过的日志。

CloudLog的日志元素介绍:
1. 日志等级(Log Level,简写为LL)用于确认日志的重要性。
2. 日期时间Tick(Date Time tick,简写为DT)用于确定日志生成的时刻。
3. 应用名(App Name,简写为AN)用于确认日志的来源项目或进程。
4. 标签(Tag,简写为TA)用于按模块化区分日志。
5. 线程标识符(Thread Identity,简写为TI)用于区分多线程。
6. 文字内码(Text Code,简写为TC)用于实时调整当前的内码。
7. 日志文字(Log Text,简写为LT)可以使用任何内码进行记录。
8. 日志缓冲(Log Buffer,简写为LB)可以传送阵列缓冲。
9. 计时功能可以根据前一条日志的tick,计算出精确到1微秒的用时。

CloudLog的日志等级说明:
1. Error级别表示严重的问题或软件执行功能错误,是最高等级的日志,无法屏蔽。
2. Warn级别表示可能出现潜在错误的情况,当选择Error级别时,Warn级别的日志将不会显示。
3. Info级别强调应用程序运行过程中的一些重要信息。
4. Debug级别仅在开发期间有用的调试消息,等级较低,在正式发布时一般不会出现。
5. Buffer阵列数值直接显示等级与Debug相同。
6. Fixer级别用于固定位置显示日志,这些日志不保存到log文件中。

CloudLog的日志过滤器功能:
1. 可以根据日志等级及各种组合来过滤日志记录。
2. 关键词可以高亮显示,以增强可读性,您可以自定义加大、加粗或指定专门的颜色进行高亮突出显示。
3. 您可以指定关键词,使含有指定关键词的日志不显示。
4. 您也可以指定关键词,使含有指定关键词的日志显示。
5. 您还可以根据应用名中的关键词进行显示过滤。
6. 同样地,您可以根据标签中的关键词进行显示过滤。

CloudLog支持的键值对风格文字:
1. 使用'&'分隔各个日志元素,每个元素由键值':'数值组成。
2. 日期时间Tick、日志文字及日志缓冲的数值使用Base64编码。
3. 应用名、标签及线程标识符一般只使用数字或字母。
4. 日期时间可以选择是否传送,可以是2字节的毫秒(ms)、3字节的微秒(us)或8字节的全部时间。
5. 一个简单的示例:"hello"日志可以表示为:ll:D&/aGVsbG8=

CloudLog支持的简易风格文字:
1. 使用空格分隔各个日志元素,请勿调换元素的顺序。
2. 最少包含日志等级(LL)空格及日志文字(LT)。
3. LL+LT+文字,LT表示4位数的毫秒tick,范围从000到9999,最大可以表示10秒的时间间隔。
4. LL+LT+TAG+文字,TAG标签用于按模块化区分日志,一般使用字母表示。
5. LL+LT+TAG+TI+文字,TI为-9的数字,表示线程标识符。
6. LL+LT+TAG+TI+TC+文字,TC为G=GBK内码或U=UTF-8内码。

使用开源库CloudLog的方法:
1. 直接从 https://gitee.com/hsav20/CloudLog.git 克隆整个仓库。
2. 将CloudLog.c和CloudLog.h文件添加到您的项目中。
3. 在对应的平台目录(如PlatformWindows)中找到一个最接近的模板文件FwbConf.h,并将其复制到您的项目中。
4. 根据您的实际使用环境,修改FwbConf.h中的配置信息。
5. 参考PlatformWindows目录下的main.c文件,您可以了解如何输出不同类型的日志。

...全文
209 回复 打赏 收藏 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
附训练好的 YOLO 权重与 PyQt 可视化检测界面,页面底部含可视化效果预览,毕设/课设开箱即用。 【数据集概况】 · 检测类别(中文):[坡道(ramp)] · 训练集:275 张 · 验证集:27 张 · 测试集:0 张 · 总计:302 张 该数据集聚焦于城市环境中各类建筑入口处的坡道设施,涵盖住宅、商铺、公共设施等多种场景,真实反映了无障碍通行设施在实际应用中的多样化形态。数据集中包含金属、橡胶、塑料等多种材质的坡道,以及不同尺寸、结构和安装方式的实例,充分体现了坡道在城市基础设施中的广泛部署与重要性。该数据集为城市智慧化管理、无障碍环境建设及公共安全监控提供了高质量的视觉基础支持。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 33 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.6372** mAP50-95 | 0.3401 Precision | 0.6603 Recall | 0.6190 train/box_loss | 1.0569 train/cls_loss | 0.7307 val/box_loss | 1.6084 val/cls_loss | 1.9323 【训练过程分析】 33 轮训练后 mAP50 仅 0.6372,模型收敛不充分。Loss 曲线前期下降后进入平台期,mAP 提升缓慢。mAP50-95 为 0.3401,定位精度同样偏低。 【模型性能评估】 Precision 0.6603、Recall 0.6190,精度高于召回,存在一... 使用场景:毕业设计、课程设计、深度学习入门、工业场景落地验证。

16,613

社区成员

发帖
与我相关
我的任务
社区描述
CSDN 官方活动专区,欢迎加入
其他 其他
社区管理员
  • 活动助手
  • CSDN学习
  • 我是阿萌
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告

试试用AI创作助手写篇文章吧