简介SwitchyOmega是 Chrome 和 Firefox 浏览器上的代理扩展程序,可以轻松快捷的管理和切换多个代理设置。接管浏览器代理方式，可瞬间切换代理和本地连接方式，配合socks5（等其他代理工具）可实现只代理部分国内无法访问的网站。 配置进入插件选项界面 选择新建情景模式—代理服务器，名称自取 找到软件所提供的Socks端口号，这里以clash为例 SSR、Netch等同理 按以下格式配置： 接着新建情景模式—自动切换模式，名字自取 规则列表格式为：AutoProxy 规则列表网址为：https://raw.githubusercontent.com/gfwlist/gfwlist/master/gfwlist.txt 然后点击立即更新情景模式，则会自动加载PAC列表 切换规则按如下配置： 意思是，选择auto模式时，插件为根据PAC规则判断是否要走代理 现在软件在后台启动着，不需要开启代理，都可以通过浏览器的此插件进行切换，PAC模式选auto，全局选代理服务器，不代理选直连

Netch简介Netch是一款开源的网络游戏工具，支持Socks5、55R、V2等协议，UDP NAT FullCone及指定进程加速（不需要麻烦的IP规则）。功能上和SSTAP差不多，不过听说加速效果比后者要更好，甚至堪比一些付费的加速器，当然前提需要你的线路给力，不然加速就没意义了。 使用方法下载 Netch 客户端，解压后以管理员身份运行 Netch.exe。若系统提示需要安装 .NET Framework，请点此访问微软官网下载安装。 Github地址：https://github.com/netchx/Netch 下载地址：https://github.com/netchx/Netch/releases 打开程序后，选中 “订阅” > “管理订阅链接” 粘贴服务商提供的订阅链接到左下角的链接，备注随便填写，点击添加，然后点击保存 也可以从剪切板添加节点 选择Bypass LAN and China #绕过局域网和大陆，点击启动，即可 模式中也可以选择相应的游戏进行加速，也支持给Xshell和Xftp连接国外服务器进行加速 如果需要加速的游戏不在列表里面，那么 ...

YOLOv3代码中也提供了参数进化(搜索)，可以为对应的数据集进化一套合适的超参数。本文建档分析一下有关这部分的操作方法以及其参数的具体进化方法。 1. 超参数YOLOv3中的超参数在train.py中提供，其中包含了一些数据增强参数设置，具体内容如下： 123456789101112131415161718hyp = {'giou': 3.54, # giou loss gain 'cls': 37.4, # cls loss gain 'cls_pw': 1.0, # cls BCELoss positive_weight 'obj': 49.5, # obj loss gain (*=img_size/320 if img_size != 320) 'obj_pw': 1.0, # obj BCELoss positive_weight 'iou_t': 0.225, # iou ...

1. 标注格式voc_label.py，其作用是将xml文件转成txt文件格式，具体文件如下： 12# class id, x, y, w, h0 0.8604166666666666 0.5403899721448469 0.058333333333333334 0.055710306406685235 其中的x,y 的意义是归一化以后的框的中心坐标，w,h是归一化后的框的宽和高。 具体的归一化方式为： 12345678910111213141516171819def convert(size, box): ''' size是图片的长和宽 box是xmin,xmax,ymin,ymax坐标值 ''' dw = 1. / (size[0]) dh = 1. / (size[1]) # 得到长和宽的缩放比 x = (box[0] + box[1])/2.0 y = (box[2] + box[3])/2.0 w = box[1] - box[0] h = ...

1. 环境搭建 将github库download下来。 1git clone https://github.com/ultralytics/yolov3.git 建议在linux环境下使用anaconda进行搭建 1conda create -n yolov3 python=3.7 安装需要的软件 1pip install -r requirements.txt 环境要求： python >= 3.7 pytorch >= 1.1 numpy tqdm opencv-python 其中只需要注意pytorch的安装： 到https://pytorch.org/中根据操作系统，python版本，cuda版本等选择命令即可。 2. 数据集构建1. xml文件生成需要Labelimg软件在Windows下使用LabelImg软件进行标注： 使用快捷键： 123456789101112Ctrl + u 加载目录中的所有图像，鼠标点击Open dir同功能Ctrl + r 更改默认注释目标目录(xml文件保存的地址)Ctrl + s 保存Ctrl + d 复 ...

为什么需要远程开发在进行Linux开发的时候，为了方便，通常在Windows上使用代码编辑器编辑代码，交叉编译工具在Linux虚拟机或者服务器上，在开发期间需要不停的进行如下的循环操作： 编辑好代码，使用基于SSH的ftp将文件上传到服务器 使用SSH远程终端，在服务器上编译出可执行文件 编译完成后使用基于SSH的ftp将文件传回到本地 这些操作都是基于SSH的，但是需要终端软件，文件传输软件， 并且不停地切换操作，过程很麻烦。 如果本地的编辑器可以直接通过SSH打开远程服务器的目录，操作文件，执行命令，这就称之为远程开发，使用远程开发可以大大方便我们的开发过程。 Visual Studio Code Remote - SSH扩展Remote Development extension pack是VS Code在今年5月份发布的扩展，该扩展包括三个扩展： Remote - SSH Remote - Containers Remote - WSL 这三个扩展分别支持将远程计算机，容器，或Windows子系统Linux（WSL）用作功能齐全的后台开发环境，本地的VS Code只是一 ...

1. Net层12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849[net]#Testing#batch=1#subdivisions=1#在测试的时候，设置batch=1,subdivisions=1#Trainingbatch=16subdivisions=4#这里的batch与普遍意义上的batch不是一致的。#训练的过程中将一次性加载16张图片进内存，然后分4次完成前向传播，每次4张。#经过16张图片的前向传播以后，进行一次反向传播。width=416height=416channels=3#设置图片进入网络的宽、高和通道个数。#由于YOLOv3的下采样一般是32倍，所以宽高必须能被32整除。#多尺度训练选择为32的倍数最小320*320，最大608*608。#长和宽越大，对小目标越好，但是占用显存也会高，需要权衡。momentum=0.9#动量参数影响着梯度下降到最优值的速度。decay=0.0005#权重衰减正则项，防止过拟合。angle=0#数据增 ...

定义一些评价标准： 准确率(Acc)：准确率(Acc)的计算公式为$A c c=\frac{T P+T N}{N}$，即预测正确的样本比例，$N$代表测试的样本数。在检测任务中没有预测正确的负样本的概念，所以Acc自然用不到了。 查准率(Precision)：查准率是针对某一个具体类别而言的，公式为：Precision $=\frac{T P}{T P+F P}=\frac{T P}{N}$，其中$N$代表所有检测到的某个具体类的目标框个数。 召回率(Recall)：召回率仍然是针对某一个具体类别而言的，公式为：Recall$=\frac{T P}{T P+F N}$，即预测正确的目标框和所有Ground Truth框的比值。 F1 Score：定位查准率和召回率的调和平均，公式如下： F_{1}=2 \times \frac{\text {Precision} * \text {Recall}}{\text {Precision}+\text {Recall}}=\frac{2 T P}{2 T P+F N+F P} IOU：先为计算mAP值做一个铺垫，即IOU阈值是如何影 ...

评价指标1.准确率(Accuracy)检测时分对的样本数除以所有的样本数。准确率一般被用来评估检测模型的全局准确程度，包含的信息有限，不能完全评价一个模型性能。 2.混淆矩阵(Confusion Matrix)混淆矩阵是以模型预测的类别数量统计信息为横轴，真实标签的数量统计信息为纵轴画出的矩阵。对角线代表了模型预测和数据标签一致的数目，所以准确率也可以用混淆矩阵对角线之和除以测试集图片数量来计算。对角线上的数字越大越好，在混淆矩阵可视化结果中颜色越深，代表模型在该类的预测结果更好。其他地方自然是预测错误的地方，自然值越小，颜色越浅说明模型预测的更好。 3.精确率(Precision)和召回率(Recall)和PR曲线一个经典例子是存在一个测试集合，测试集合只有大雁和飞机两种图片组成，假设你的分类系统最终的目的是：能取出测试集中所有飞机的图片，而不是大雁的图片。然后就可以定义： True positives: 简称为TP，即正样本被正确识别为正样本，飞机的图片被正确的识别成了飞机。 True negatives: 简称为TN，即负样本被正确识别为负样本，大雁的图片没有被识别出来，系统正 ...

1. 下载安装包执行 cd && mkdir clash在用户目录下创建 clash 文件夹，用于存放解压后的文件及配置文件,将下载的压缩文件解压至此，得到一个可执行文件“ clash-linux-amd64 ”。 一般个人的64位电脑下载 clash-linux-amd64.tar.gz 即可。 下载客户端 2. 初始化配置在终端中执行该文件sudo ./clash-linux-amd64，提示缺少config.yml配置文件，并自动生成/home/当前用户ID/.config/clash文件夹，其中包含两个文件 config.yml 和 Country.mmdb ，若看不到这文件夹，则按ctrl+H显示隐藏文件。其中 Country.mmdb由于墙的原因下载较慢，这里提供网盘下载，直接拷贝进/home/当前用户ID/.config/clash中。1sudo cp Country.mmdb的路径 ~/home/当前用户ID/.config/clash 3. 编辑配置编辑/home/当前用户ID/.config/clash下的 config.yml配置文件，内容为自己的 ...