当前位置：首页 > news >正文

基于YOLO11/WVP的电梯系统开发-模型训练与rk3568移植

news 来源：原创 2025/7/5 8:26:17

1. 环境准备

代码下载：

https://github.com/ultralytics/ultralytics.git

切换到 8.3.0 以上的分支，yolov11 只在上述分支支持, 下载后在 ultralytics 根目录下安装 yolo 依赖环境：

pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 数据集准备

标注工具：LabelImg

若数据已经是标注好的，只需要将 xml 转换成对应的 txt 文件即可
假设标注好的数据如下：
train_img 存放图片，
train_xml 存放标注后的 xml 文件
yolo 训练需要将 xml 转换成对应的 txt，转换脚本：

import os
import xml.etree.ElementTree as ET
from pathlib import Path
import argparse
import cv2
import loggingdef parse_args():parser = argparse.ArgumentParser(description='Convert VOC XML to YOLO TXT')parser.add_argument('--xml-dir', type=str, required=True,help='Directory containing XML annotations')parser.add_argument('--img-dir', type=str, required=True,help='Directory containing corresponding images')parser.add_argument('--output-dir', type=str, required=True,help='Output directory for TXT files')parser.add_argument('--classes', type=str, default='classes.txt',help='Path to class list file (will auto-create if not exists)')parser.add_argument('--img-ext', type=str, default='jpg',help='Image file extension (jpg, png, etc)')return parser.parse_args()def get_image_size(img_path):img = cv2.imread(img_path)return img.shape[1], img.shape[0]def convert_box(size, box):# VOC box format: (xmin, ymin, xmax, ymax)# YOLO format: (x_center, y_center, width, height) normalized [0-1]dw = 1. / size[0]dh = 1. / size[1]x = (box[0] + box[2]) / 2.0y = (box[1] + box[3]) / 2.0w = box[2] - box[0]h = box[3] - box[1]x = x * dww = w * dwy = y * dhh = h * dhreturn (x, y, w, h)def main():args = parse_args()# Setup logginglogging.basicConfig(level=logging.INFO,format='%(asctime)s - %(levelname)s - %(message)s',filename='xml2yolo.log')# Create output directoryPath(args.output_dir).mkdir(parents=True, exist_ok=True)# Load or create class listclass_dict = {}if os.path.exists(args.classes):with open(args.classes, 'r') as f:for idx, line in enumerate(f):class_name = line.strip()class_dict[class_name] = idxlogging.info(f"Loaded {len(class_dict)} classes from {args.classes}")else:logging.warning(f"Class list not found, will create from XML files")# Process XML filesprocessed = 0errors = 0for xml_file in Path(args.xml_dir).glob('*.xml'):try:# Parse XMLtree = ET.parse(xml_file)root = tree.getroot()# Get image pathimg_name = root.find('filename').textimg_path = os.path.join(args.img_dir, f"{Path(xml_file).stem}.{args.img_ext}")# Get image size (priority: XML > image file)size = root.find('size')if size is not None:width = int(size.find('width').text)height = int(size.find('height').text)else:width, height = get_image_size(img_path)if width is None or height is None:raise ValueError("Cannot determine image size")# Prepare TXT contenttxt_lines = []for obj in root.iter('object'):# Get class namecls_name = obj.find('name').text.strip()# Update class dictionaryif cls_name not in class_dict:if os.path.exists(args.classes):raise ValueError(f"Unknown class {cls_name}")class_dict[cls_name] = len(class_dict)# Get bounding boxbndbox = obj.find('bndbox')xmin = float(bndbox.find('xmin').text)ymin = float(bndbox.find('ymin').text)xmax = float(bndbox.find('xmax').text)ymax = float(bndbox.find('ymax').text)# Validate coordinates# if not (0 <= xmin < xmax <= width):#     raise ValueError(f"Invalid x coordinates: {xmin}-{xmax} (image width: {width})")# if not (0 <= ymin < ymax <= height):#     raise ValueError(f"Invalid y coordinates: {ymin}-{ymax} (image height: {height})")xmin = max(0,xmin)xmax = min(xmax,width)ymin = max(0,ymin)ymax = min(ymax,height)# Convert to YOLO formatyolo_box = convert_box((width, height), (xmin, ymin, xmax, ymax))txt_lines.append(f"{class_dict[cls_name]} {' '.join(map(str, yolo_box))}")# Write TXT filetxt_path = os.path.join(args.output_dir, f"{Path(xml_file).stem}.txt")with open(txt_path, 'w') as f:f.write('\n'.join(txt_lines))processed += 1if processed % 100 == 0:logging.info(f"Processed {processed} files...")except Exception as e:errors += 1logging.error(f"Error processing {xml_file}: {str(e)}")continue# Save class list if createdif not os.path.exists(args.classes):with open(args.classes, 'w') as f:for cls_name, idx in sorted(class_dict.items(), key=lambda x: x[1]):f.write(f"{cls_name}\n")logging.info(f"Created class list with {len(class_dict)} classes at {args.classes}")logging.info(f"Conversion completed. Success: {processed}, Errors: {errors}")if __name__ == '__main__':main()

执行：

python xml_2_yolo.py --xml-dir ./train_xml/ --img-dir=./train_img/ --output-dir=./labels

执行后在当前文件夹 labels 目录下生成对应的 txt 标签，将 txt copy 到 train_img 文件夹下

3. 模型训练

新建train.py，内容如下：

import warnings
warnings.filterwarnings('ignore')
from ultralytics import YOLOif __name__ == '__main__':model = YOLO('ultralytics/cfg/models/11/yolo11n.yaml')model.load('yolo11n.pt') # loading pretrain weightsmodel.train(data='ultralytics/cfg/datasets/elevator.yaml',cache=False,imgsz=640,epochs=200,batch=16,close_mosaic=10,device='0',optimizer='SGD', # using SGDproject='runs/train-elevator',name='exp',)

其中：ultralytics/cfg/models/11/yolo11n.yaml为训练参数配置文件
nc: 4 (修改为实际训练的类别数)

# Ultralytics YOLO 🚀, AGPL-3.0 license
# YOLO11 object detection model with P3-P5 outputs. For Usage examples see https://docs.ultralytics.com/tasks/detect# Parameters
nc: 4 # number of classes
scales: # model compound scaling constants, i.e. 'model=yolo11n.yaml' will call yolo11.yaml with scale 'n'# [depth, width, max_channels]n: [0.50, 0.25, 1024] # summary: 319 layers, 2624080 parameters, 2624064 gradients, 6.6 GFLOPss: [0.50, 0.50, 1024] # summary: 319 layers, 9458752 parameters, 9458736 gradients, 21.7 GFLOPsm: [0.50, 1.00, 512] # summary: 409 layers, 20114688 parameters, 20114672 gradients, 68.5 GFLOPsl: [1.00, 1.00, 512] # summary: 631 layers, 25372160 parameters, 25372144 gradients, 87.6 GFLOPsx: [1.00, 1.50, 512] # summary: 631 layers, 56966176 parameters, 56966160 gradients, 196.0 GFLOPs# YOLO11n backbone
backbone:# [from, repeats, module, args]- [-1, 1, Conv, [64, 3, 2]] # 0-P1/2- [-1, 1, Conv, [128, 3, 2]] # 1-P2/4- [-1, 2, C3k2, [256, False, 0.25]]- [-1, 1, Conv, [256, 3, 2]] # 3-P3/8- [-1, 2, C3k2, [512, False, 0.25]]- [-1, 1, Conv, [512, 3, 2]] # 5-P4/16- [-1, 2, C3k2, [512, True]]- [-1, 1, Conv, [1024, 3, 2]] # 7-P5/32- [-1, 2, C3k2, [1024, True]]- [-1, 1, SPPF, [1024, 5]] # 9- [-1, 2, C2PSA, [1024]] # 10# YOLO11n head
head:- [-1, 1, nn.Upsample, [None, 2, "nearest"]]- [[-1, 6], 1, Concat, [1]] # cat backbone P4- [-1, 2, C3k2, [512, False]] # 13- [-1, 1, nn.Upsample, [None, 2, "nearest"]]- [[-1, 4], 1, Concat, [1]] # cat backbone P3- [-1, 2, C3k2, [256, False]] # 16 (P3/8-small)- [-1, 1, Conv, [256, 3, 2]]- [[-1, 13], 1, Concat, [1]] # cat head P4- [-1, 2, C3k2, [512, False]] # 19 (P4/16-medium)- [-1, 1, Conv, [512, 3, 2]]- [[-1, 10], 1, Concat, [1]] # cat head P5- [-1, 2, C3k2, [1024, True]] # 22 (P5/32-large)- [[16, 19, 22], 1, Detect, [nc]] # Detect(P3, P4, P5)

如上，准备工作已OK

4. 训练

python train.py

5. 训练结果查看

训练结果

6. 测试

yolo detect predict model=./runs/train-elevator/exp6/weights/best.pt source=../datasets/elevator/val/people\(2231\).jpg

7. 导出onnx模型

模型导出使用专门针对rknn优化的 ultralytics_yolo11 。该工程在基于不影响输出结果, 不需要重新训练模型的条件下, 有以下改动:

修改输出结构, 移除后处理结构(后处理结果对于量化不友好)；
dfl 结构在 NPU 处理上性能不佳，移至模型外部的后处理阶段，此操作大部分情况下可提升推理性能；
模型输出分支新增置信度的总和，用于后处理阶段加速阈值筛选。
git clone https://github.com/airockchip/ultralytics_yolo11.git

修改 ./ultralytics/cfg/default.yaml中model文件路径，默认为yolo11n.pt,路径修改为之前训练的模型路径
这里修改为： model: /home/mahxn0/workspace/yolo11/runs/train-elevator/exp6/weights/best.pt

export PYTHONPATH=./
python ./ultralytics/engine/exporter.py
导出结果如下：
Results saved to /home/mahxn0/workspace/yolo11/runs/train-elevator/exp6/weights
Predict:         yolo predict task=detect model=/home/mahxn0/workspace/yolo11/runs/train-elevator/exp6/weights/best.onnx imgsz=640
Validate:        yolo val task=detect model=/home/mahxn0/workspace/yolo11/runs/train-elevator/exp6/weights/best.onnx imgsz=640 data=ultralytics/cfg/datasets/elevator.yaml
Visualize:       https://netron.app
(yolov11) mahxn0@toy:~/workspace/yolo11_rknn$ export PYTHONPATH=./
(yolov11) mahxn0@toy:~/workspace/yolo11_rknn$ python ./ultralytics/engine/exporter.py

8. ONNX转RKNN

使用 https://gitee.com/LubanCat/lubancat_ai_manual_code/tree/master (需要装好rknn_toolkit2的环境)

python convert.py ../model/elevator.onnx rk3568  i8 ./elevator_3568.rknn

9. 交叉编译

本地linux配好交叉编译环境，在yolo11/cpp目录下交叉编译执行：

bash build-linux.sh -t rk3568

在这里插入图片描述

10. 板端测试

./yolo11_image_demo model/elevator.rknn ../../../../../datasets/elevator/GasTank297.jpg

在这里插入图片描述

至此，基于RK3568/3588的电梯电动车/煤气罐/跌倒检测模型移植完成，下篇将接入rtsp视频流实时测试

基于YOLO11/WVP的电梯系统开发-模型训练与rk3568移植

1. 环境准备代码下载： https://github.com/ultralytics/ultralytics.git切换到 8.3.0 以上的分支，yolov11 只在上述分支支持, 下载后在 ultralytics 根目录下安装 yolo 依赖环境： pip install -e . -i https://pypi.tuna.tsinghua.edu.cn…...

编程日记 2025/7/5 8:26:17

[数据结构]并查集(系统整理版)

基础用法 int p[N];//路径压缩寻找祖宗节点 int find(int x){if(p[x]!x) p[x]find(p[x]);return p[x]; }int main(){ //初始化for(int i1;i<n;i) p[i]i; }合并 void merge(int a,int b){int aafind(a),bbfind(bb);if(aa!bb){p[aa]bb;} }查询是否联通 bool is_connected(…...

编程日记 2025/7/5 8:12:23

人工智能与软件工程结合的发展趋势

AI与软件工程的结合正在深刻改变软件开发的流程、工具和方法，其发展方向涵盖了从代码生成到系统维护的整个生命周期。以下是主要的发展方向和技术趋势： 1. 软件架构体系的重构从“面向过程”到“面向目标”的架构转型： AI驱动软件设计以目标…...

编程日记 2025/7/2 7:40:06

Compose 实践与探索十七 —— 多指手势与自定义触摸反馈

上一节我们讲了滑动的手势识别以及嵌套滑动，二者都属于触摸反馈这个大的范畴内的知识。本节我们将深入触摸反馈这个话题，讲一讲多指手势的识别与完全自定义的触摸反馈的实现。 1、多指手势多指手势可以分为两类： 利用 API 处理预设好的手…...

编程日记 2025/7/2 4:01:36

哈希表 - 两个数组的交集(集合、数组) - JS

一、Set基础在 JavaScript 中，Set 是一种集合（Collection）数据结构，用于存储唯一值（不允许重复），并且可以高效地进行添加、删除、查询等操作。它类似于数组（Array）…...

编程日记 2025/7/5 7:40:22

26_ajax

目录了解接口前后端交互一、安装服务器环境 nodejs ajax发起请求渲染响应结果 get方式传递参数 post方式传递参数封装ajax_上封装ajax下了解清楚前后端交互就可以写一些后端代码了。小项目现在写项目开发的时候都是前后端分离之前都没有前端这个东西&a…...

编程日记 2025/7/5 7:10:31

Java面试黄金宝典24

1. 什么是跳表定义跳表（Skip List）是一种随机化的数据结构，它基于有序链表发展而来，通过在每个节点中维护多个指向其他节点的指针，以多层链表的形式组织数据。其核心思想是在链表基础上增加额外层次，每…...

编程日记 2025/7/5 7:11:30

每日c/c++题备战蓝桥杯（全排列问题）

题目描述按照字典序输出自然数 1 到 n 所有不重复的排列，即 n 的全排列，要求所产生的任一数字序列中不允许出现重复的数字。输入格式一个整数 n。输出格式由 1∼n 组成的所有不重复的数字序列，每行一个序列。每个数字保留 5 个场…...

编程日记 2025/7/4 14:35:00

Layui实现table动态添加行，可删除、表格可编辑，小数校验

实现如图需求，layui实现的可编辑table，包含B、C、D、E列，A列不用实现出现，A列放在附件就是让你明白，不同的物料名称，行是不一样的。除了头部表头和E列不能编辑，每个表格都可编辑，其中…...

编程日记 2025/7/5 7:35:15

Spring Boot 非web应用程序

在 Spring Boot 框架中，要创建一个非Web应用程序（纯Java程序） main方法运行，不启动tomcat，main方法执行结束，程序就退出了； 方式一 1、SpringBoot开发纯Java程序，应该采…...

编程日记 2025/7/5 8:05:01

数据分析中的基线校正算法全解析：原理、实现与应用

数据分析中的基线校正算法全解析：原理、实现与应用在数据分析中，基线漂移是一个常见问题，会严重影响数据的解释和分析精度。本文将详细介绍12种主流基线校正方法，包括数学原理、Python实现代码和适用场景分析。基线漂移问题概述基线漂移主要由以下因素引起：仪器强度…...

编程日记 2025/6/30 12:20:23

国外计算机证书推荐（考证）（6 Sigma、AWS、APICS、IIA、Microsoft、Oracle、PMI、Red Hat）

文章目录证书推荐1. 六西格玛 (6 Sigma)2. 亚马逊网络服务 (AWS)3. 美国生产与库存控制学会 (APICS)4. 内部审计师协会 (IIA)5. 微软 (Microsoft)6. 甲骨文 (Oracle)7. 项目管理协会 (PMI)8. 红帽 (Red Hat) 证书推荐 1. 六西格玛 (6 Sigma) 介绍：六西格玛是一种…...

编程日记 2025/7/5 7:13:20

linux》》docker 、containerd 保存镜像、打包tar、加载tar镜像

Linux》》docker: 默认情况下，Docker镜像保存在/var/lib/docker/目录下。当您使用docker pull命令从Docker Hub或私有镜像仓库中拉取镜像时，Docker会自动将镜像文件保存在/var/lib/docker/image/目录下。每个镜像都由一个或多个层组成，这些…...

编程日记 2025/7/5 7:39:10

大数据（2）Hadoop架构深度拆解：HDFS与MapReduce企业级实战与高阶调优

目录一、分布式系统的设计哲学演进1.1 从Google三驾马车到现代数据湖二、企业级HDFS架构全景图2.1 联邦架构的深度实践2.2 生产环境容灾设计2.3 性能压测方法论三、MapReduce引擎内核解密3.1 Shuffle机制全链路优化3.2 资源调度革命：从MRv1到YARN3.3 企业级编码规…...

编程日记 2025/7/5 7:23:15

【数学建模】动态规划算法(Dynamic Programming，简称DP)详解与应用

动态规划算法详解与应用文章目录动态规划算法详解与应用引言动态规划的基本概念动态规划的设计步骤经典动态规划问题1. 斐波那契数列2. 背包问题3. 最长公共子序列(LCS) 动态规划的优化技巧动态规划的应用领域总结引言动态规划(Dynamic Programming，简称DP)是一…...

编程日记 2025/6/30 8:39:46

UE学习记录part11

第14节 breakable actors 147 destructible meshes a geometry collection is basically a set of static meshes that we get after we fracture a mesh. 几何体集合基本上是我们在断开网格后获得的一组静态网格。选中要破碎的网格物品，创建集合可以选择不同的…...

编程日记 2025/7/2 5:17:35

LeetCode知识点整理

1、Scanner 输入： import java.util.Scanner;public class Main {public static void main(String[] args) {Scanner scanner new Scanner(System.in);// 读取整数int num scanner.nextInt();// 读取一行字符串String line scanner.nextLine();scanner.close();…...

编程日记 2025/7/3 8:56:40

浅析车规芯片软错误防护加固的重要性

随着汽车电子技术的飞速发展，汽车已经从传统的机械交通工具转变为高度依赖电子系统的智能移动终端。车规芯片作为汽车电子系统的核心部件，其可靠性和安全性直接关系到车辆的正常运行和驾乘人员的安全。然而，车规芯片在复杂的运行环境中面临着…...

编程日记 2025/7/4 1:30:29

Android Jetpack学习总结（源码级理解）

ViewModel 和 LiveData 是 Android Jetpack 组件库中的两个核心组件，它们能帮助开发者更有效地管理 UI 相关的数据，并且能够在配置变更（如屏幕旋转）时保存和恢复 UI 数据。 ViewModel作用瞬态数据丢失的恢复，比如横竖…...

编程日记 2025/7/3 22:29:29

Matlab_Simulink中导入CSV数据与仿真实现方法

前言在Simulink仿真中，常需将外部数据（如CSV文件或MATLAB工作空间变量）作为输入信号驱动模型。本文介绍如何高效导入CSV数据至MATLAB工作空间，并通过From Workspace模块实现数据到Simulink的精确传输，适用于运动控制…...

编程日记 2025/6/28 4:11:18

Go 语言规范学习（6）

文章目录 StatementsTerminating statementsEmpty statementsLabeled statementsExpression statementsSend statementsIncDec statementsAssignment statementsIf statementsSwitch statementsExpression switchesType switches For statementsFor statements with single con…...

编程日记 2025/7/3 21:24:14

设计模式——设计模式理念

文章目录参考：[设计模式——设计模式理念](https://mp.weixin.qq.com/s/IEduZFF6SaeAthWFFV6zKQ)参考：[设计模式——工厂方法模式](https://mp.weixin.qq.com/s/7tKIPtjvDxDJm4uFnqGsgQ)参考：[设计模式——抽象工厂模式](https://mp.weixin.…...

编程日记 2025/7/3 19:45:36

解析 ID 数组传参的解决方案：基于 Axios 的实现

解析 ID 数组传参的解决方案：基于 Axios 的实现在实际开发中，经常需要将一个 ID 数组作为参数传递给后端接口。然而，不同的后端框架和前端库对数组参数的处理方式可能有所不同。通过一个具体的例子，在前端使用 Axios 框架发送 I…...

编程日记 2025/7/5 7:41:11

C语言快速入门-C语言基础知识

这个c语言入门，目标人群是有代码基础的，例如你之前学过javaSE，看此文章可能是更有帮助，会让你快速掌握他们之间的差异，文章内容大部分都是泛谈，详细的部分我会在之后时间发布，我也在慢慢学习&am…...

编程日记 2025/7/5 7:25:37

Ubuntu 22.04 上安装 VS Code

在 Ubuntu 22.04 上安装 VS Code 的方法如下： 方法 1：通过 APT 包管理器安装更新系统包索引： 打开终端并执行以下命令： sudo apt update安装依赖项： 执行以下命令以安装所需的依赖项： sudo apt install s…...

编程日记 2025/7/5 7:08:41

AI人工智能-PyCharm的介绍安装应用

下载与安装创建python项目项目路径：C:\Users\miloq\Desktop\python_project 配置环境提前找到conda配置的python-base路径配置conda环境运行项目运行结果...

编程日记 2025/7/5 8:16:17

Todesk介绍

文章目录 ToDesk 软件介绍1. 软件概述2. ToDesk 的功能特点2.1 简单易用2.2 高质量的图像与流畅的操作2.3 跨平台支持2.4 多屏显示与协作2.5 文件传输功能2.6 实时聊天与语音通话2.7 远程唤醒与自动启动2.8 多种权限设置与安全性2.9 无需公网 IP 3. ToDesk 的应用场景3.1 个人使…...

编程日记 2025/7/5 7:07:55

【JavaEE】springMVC返回Http响应

目录一、返回页面二、Controller和ResponseBody与RestController区别三、返回HTML代码⽚段四、返回JSON五、HttpServletResponse设置状态码六、设置Header6.1 HttpServletResponse设置6.2 RequestMapping设置一、返回页面步骤如下： 我们先要在static目录下创建…...

编程日记 2025/7/5 7:48:12

青少年编程与数学 02-011 MySQL数据库应用 02课题、MySQL数据库安装

青少年编程与数学 02-011 MySQL数据库应用 02课题、MySQL数据库安装一、安装Windows系统Linux系统（以Ubuntu 20.04为例）macOS系统二、配置（一）Windows系统1. 创建配置文件2. 初始化数据库3. 启动MySQL服务4. 登录MySQL5. 修改ro…...

编程日记 2025/7/5 8:10:04

springboot441-基于SpringBoot的校园自助交易系统(源码+数据库+纯前后端分离+部署讲解等)

💕💕作者： 爱笑学姐 💕💕个人简介：十年Java，Python美女程序员一枚，精通计算机专业前后端各类框架。 💕💕各类成品Java毕设。javaweb，ssm&#xf…...

编程日记 2025/7/5 8:19:29

【安全运营】关于攻击面管理相关概念的梳理（一）

目录一、ASM 介绍ASM 是“Attack Surface Management”（攻击面管理）的缩写【框架视角，广义概念】1. 介绍2. 兴起的原因3. 工作流程3.1 资产发现3.2 分类和优先级排序3.3 修复3.4 监控二、EASM 介绍EASM 是 "External Attack Surface M…...

编程日记 2025/6/30 1:36:39

IPv6 网络访问异常 | 时好时坏 / 部分访问正常

注：本文为 “ IPv6 间接性连接异常” 相关文章合辑。略作重排，未去重。如有内容异常，请看原文。 IPv6 间接性连接异常？尝试调整路由器的 MTU 设置 Nero978 2024-1-29 17:54 背景 2024 年 1 月 29 日，因寒假返家…...

编程日记 2025/7/5 7:24:08

Unity编辑器功能及拓展(1) —特殊的Editor文件夹

Unity中的Editor文件夹是一个具有特殊用途的目录，主要用于存放与编辑器扩展功能相关的脚本和资源。一.纠缠不清的UnityEditor 我们Unity中进行游戏构建时，我们经常遇到关于UnityEditor相关命名空间丢失的报错，这时候，只得将报错…...

编程日记 2025/7/5 7:41:59

LLMs之PE：《Tracing the thoughts of a large language model》翻译与解读

LLMs之PE：《Tracing the thoughts of a large language model》翻译与解读导读：这篇论文的核心贡献在于提出了一种新颖的、基于提示工程的LLMs推理过程追踪技术——“Tracing Thoughts”。该技术通过精心设计的提示，引导LLMs生成其推理过程的…...

编程日记 2025/7/1 3:54:14

[Python] 贪心算法简单版

贪心算法-简单版贪心算法的一般使用场景是给定一个列表ls, 让你在使用最少的数据的情况下达到或超过n. 我们就来使用上面讲到的这个朴素的例题来讲讲贪心算法的基本模板: 2-1.排序既然要用最少的数据, 我们就要优先用大的数据拼, 为了实现这个效果, 我们得先给列表从大到小…...

编程日记 2025/7/5 7:26:22

游戏引擎学习第191天

回顾并制定今天的计划最近几天，我们有一些偏离了原计划的方向，主要是开始了一些调试代码的工作。最初我们计划进行一些调试功能的添加，但是随着工作的深入，我们开始清理和整理调试界面的呈现方式，以便能够做一些更复…...

编程日记 2025/7/5 7:39:11

Git撤回操作全场景指南：未推送与已推送，保留和不保留修改的差异处理

一、未推送到远程仓库的提交（仅本地存在） 特点：可直接修改本地提交历史，不会影响他人 1. 保留修改重新提交 git reset --soft HEAD~1 # 操作效果： # - 撤销最后一次提交 # - 保留工作区所有修改 # - 暂存区内容保持…...

编程日记 2025/7/5 7:50:27

Java 贪吃蛇游戏

这段 Java 代码实现了一个经典的贪吃蛇游戏。玩家可以使用键盘的上下左右箭头键控制蛇的移动方向，蛇会在游戏面板中移动并尝试吃掉随机生成的食物。每吃掉一个食物，蛇的身体会变长，玩家的得分也会增加。如果蛇撞到自己的身体或者撞到游戏面板…...

编程日记 2025/7/5 7:37:40

QT图片轮播器(QT实操学习2)

1.项目架构 1.UI界面 2.widget.h #ifndef WIDGET_H #define WIDGET_H#include <QWidget>#define TIMEOUT 1 * 1000 QT_BEGIN_NAMESPACE namespace Ui { class Widget; } QT_END_NAMESPACEclass Widget : public QWidget {Q_OBJECTpublic:Widget(QWidget *parent n…...

编程日记 2025/7/5 7:28:43

mac m1/m2/m3 pyaudio的安装

google了很多方法，也尝试了 issue68的方法， 但是均失败了，但是问deepseek竟然成功了，下面是deepseek r1给出的方法。在M3 pro芯片上可以成功运行. 安装homebrew /bin/bash -c "$(curl -fsSL https://raw.githubusercontent…...

编程日记 2025/7/5 7:09:33

Appium中元素定位的注意点

应用场景了解这些注意点可以以后在出错误的时候，更快速的定位问题原因。示例使用 find_element_by_xx 或 find_elements_by_xx 的方法，分别传入一个没有的“特征“会是什么结果呢? 核心代码 driver.find_element_by_id("xxx") drive…...

编程日记 2025/7/5 7:58:42

《深入探索 Python 数据分析：用 Pandas 高效处理与可视化大型数据集》

《深入探索 Python 数据分析：用 Pandas 高效处理与可视化大型数据集》引言：从零到分析高手数据是当代社会最宝贵的资源，而数据分析技能是现代职业人不可或缺的一部分。在数据科学的领域中，Python 已成为当之无愧的“首选语言”，其强大的生态系统和简洁的语法让人如虎添…...

编程日记 2025/7/5 8:10:45

[GWCTF 2019]我有一个数据库1 [CVE phpMyAdmin漏洞]

扫出来一些东西访问/phpmyadmin 发现界面这里用到了CVE-2018-12613，光速学习出现漏洞的代码是： $target_blacklist array (import.php, export.php );// If we have a valid target, lets load that script instead if (! empty($_REQUEST[targe…...

编程日记 2025/7/1 14:53:56