私募基金网站开发流程/竞价推广平台

私募基金网站开发流程,竞价推广平台,网站建设文章,沈阳学习做网站目录 一.【YOLOV5算法原理】 1.输入端 2.Backbone 3.Neck 4.输出端 二.【系统环境】 1.虚拟机的安装与创建 2.安装Ubuntu操作系统 3.环境的配置 3.1.Ubuntu下Anacoda安装以及虚拟环境配置 3.2.Pytorch安装 3.3.Vscode安装 3.4.Yolov5源码及环境获取安装…

目录

一.【YOLOV5算法原理】

1.输入端

2.Backbone

3.Neck

4.输出端

二.【系统环境】

1.虚拟机的安装与创建

2.安装Ubuntu操作系统

3.环境的配置

3.1.Ubuntu下Anacoda安装以及虚拟环境配置

3.2.Pytorch安装

3.3.Vscode安装

3.4.Yolov5源码及环境获取安装

三. 【测试Yolov5】

四. 【实现自己输入图片/笔记本摄像头的目标检测】

1.输入自己的图片

2.使用笔记本摄像头目标检测

更多细节:

【使用外接USB摄像头进行目标检测】

【Ros下搭载yolov5实现目标检测】


最终效果:

------------------------全文8963字102图一步一步完成大约耗时2h------------------------

所需软件以及环境: 

Vmware Workstation 17pro
内存                             8GB
处理器                               6
硬盘                           20GB
Python                           3.8
Yolo                                V5
Pytorch                          2.1
系统             Ubuntu20.04.6

一.【YOLOV5算法原理】

此步是对算法原理进行介绍,如需实战,直接跳过这一节(没有任何影响)到下一节【二、系统环境】

参考链接:

【YOLOV5】https://github.com/ultralytics/yolov5

【知乎江大白】https://zhuanlan.zhihu.com/p/172121380

【YOLO-YOLOV5】https://blog.csdn.net/guanjing_dream/article/details/123705221

结构:

1.输入端:Mosaic数据增强、自适应锚框计算、自适应图片缩放

2.Backbone:Focus结构,CSP结构

3.Neck:FPN+PAN结构

4.Prediction:GIOU_Loss

1.输入端

(1)Mosaic数据增强

Yolov5的输入端采用了和Yolov4一样的Mosaic数据增强的方式,Mosaic数据增强提出的作者也是来自Yolov5团队的成员,不过,随机缩放、随机裁剪、随机排布的方式进行拼接。

(2)自适应锚框计算

在Yolo算法中,针对不同的数据集,都会有初始设定长宽的锚框。在网络训练中,网络在初始锚框的基础上输出预测框,进而和真实框groundtruth进行比对,计算两者差距,再反向更新,迭代网络参数。Yolov5中将此功能嵌入到代码中,每次训练时,自适应的计算不同训练集中的最佳锚框值。

(3)自适应图片缩放

在Yolov5的代码中datasets.py的letterbox函数中进行了修改,对原始图像自适应的添加最少的黑边。

2.Backbone

(1)Focus结构

Focus结构,在Yolov3&Yolov4中并没有这个结构,其中比较关键是切片操作。以Yolov5s的结构为例,原始608*608*3的图像输入Focus结构,采用切片操作,先变成304*304*12的特征图,再经过一次32个卷积核的卷积操作,最终变成304*304*32的特征图。

(2)CSP结构

Yolov5中设计了两种CSP结构,以Yolov5s网络为例,CSP1_X结构应用于Backbone主干网络,另一种CSP2_X结构则应用于Neck中。

3.Neck

Yolov5现在的Neck和Yolov4中一样,都采用FPN+PAN的结构,但在Yolov5刚出来时,只使用了FPN结构,后面才增加了PAN结构,此外网络中其他部分也进行了调整。Yolov5的Neck结构中,采用借鉴CSPnet设计的CSP2结构,加强网络特征融合的能力。

4.输出端

(1)Bounding box损失函数

Yolov5中采用其中的CIOU_Loss做Bounding box的损失函数。

(2)nms非极大值抑制

在目标检测的后处理过程中,针对很多目标框的筛选,通常需要nms操作。因为CIOU_Loss中包含影响因子v,涉及groudtruth的信息,而测试推理时,是没有groundtruth的。所以Yolov4在DIOU_Loss的基础上采用DIOU_nms的方式,而Yolov5中采用加权nms的方式。可以看出,采用DIOU_nms,下方中间箭头的黄色部分,原本被遮挡的摩托车也可以检出。

二.【系统环境】

1.虚拟机的安装与创建

首先需要安装虚拟机软件Vmware Workstation 17pro(这里我选择的是这个版本,不一定需要这个版本)百度即可下载

虚拟机软件打开后就是这样的界面:

点击新建虚拟机:

点击自定义,下一步:

下一步

稍后安装操作系统,下一步

选择Linux(我们稍后要安装的Ubuntu就是基于Linux的)下一步:

给虚拟机起一个名字(自己喜欢就行)

位置更改到自定义文件夹下(需要新建一个自己喜欢的文件夹)

选择处理器数量2,每个处理器的内核3(根据自己的笔记本性能来),我的笔记本是16核,最好不超过一半(设备管理器 – 处理器 - 查看)

分配虚拟机内存,建议4GB-8GB(我是8GB)

选择网络,桥接网络(之后可以更改)

下一步

下一步

选择新建虚拟机,下一步

分配磁盘大小,默认20GB有点小,下面需要安装配置各种环境和包,最好30GB,之后不够了可以很轻松的扩容,选择将虚拟磁盘拆分成多个空间。

需要新建一个目录文件夹(自己喜欢就行),这个文件夹就是你的虚拟磁盘

浏览一下你刚才的设置,确认无误后点击完成~

恭喜你完成了虚拟机的创建(进度1/9加油加油!!)

---------------------------------------------------------------------------------------------------------------------------------

2.安装Ubuntu操作系统

打开刚刚创建的虚拟机

第2步就是你这一步创建的目录文件夹(去找找啦)

我的虚拟机名字我起的ubuntu_Akaxi_20.04(虚拟机名字随便起)

打开后你就可以看到,这样的界面:

左边的红色框框就是你为虚拟机配置的信息(第一步骤干的事情)

现在我们需要正式的给他安装一个操作系统——Ubuntu

【Ubuntu镜像】http://mirrors.aliyun.com/ubuntu-releases/20.04/

这里选择Ubuntu版本20.04.6的桌面desktop-amd64位的iso镜像,如图,点击下载:

下载完成后,打开虚拟机的CD/DVD

点击浏览,找到刚刚下载的Ubuntu20.04.6的镜像文件,使用ISO镜像文件打开,这样就在虚拟机插入了Ubuntu噜

点击开启虚拟机(准备在虚拟机里面安装Ubuntu20.04.6操作系统)

进入安装界面,选择语言,中文,然后安装Ubuntu

选择安装Ubuntu时下载更新,显示不全,用win键 + 鼠标拖拽

选择清除整个磁盘并安装Ubuntu

磁盘分区,点击继续

选择系统时间,我们是东八区,默认上海,继续

设置Ubuntu系统信息与密码,姓名,计算机名字,密码,登录时需要密码,这个密码要记住噜,之后很多地方使用超级管理员权限需要输入密码。

等待安装(大概5-10分钟)

安装完毕,点击现在重启,看到此界面,就完成Ubuntu系统的安装噜。

进度(2/9)快啦快啦,加油加油

---------------------------------------------------------------------------------------------------------------------------------

3.环境的配置

****************************************************************************

3.1.Ubuntu下Anacoda安装以及虚拟环境配置

参考链接:http://Ubuntu系统下安装Anaconda3及配置 - 知乎 (zhihu.com)

在Ubuntu打开火狐浏览器:(没有网络,把虚拟机网络模式改成NAT模式)如图:

在清华源网址下载Anaconda3-2021-11-Linux-x86_64.sh

【清华源】https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

速度嘎嘎快

下载完成后,可以在文件夹,下载中找到下好的软件包

将其复制到主目录下面

在空白处鼠标右键,选择在终端打开

输入

bash Anaconda3-2021.11-Linux-x86_64.sh

准备安装啦

输入后,终端输出串串英文,让你阅读一些事项,一路回车即可,遇到让你输入‘yes’ or ‘no’,全输入yes回车即可

之后他会让你确认Anaconda安装目录,默认在你主文件夹下,生成一个anaconda3的文件夹,回车开始嘎嘎安装

安装完成,输入yes,可以看到真的在主目录下生成了anaconda的文件夹。

看到此界面,就代表你已经在Ubuntu系统下装上了anaconda噜,如图:

装好后我们还需要进行一些环境配置

输入

sudo gedit ~/.bashrc 

进入bashrc文件设置环境变量(gedit是一个文本编辑器)

输入你的密码后在bashrc文件的末尾添加路径:

      export PATH="/home/你的用户名/anaconda3/bin:$PATH"我就是export PATH="/home/Akaxi/anaconda3/bin:$PATH"

添加后保存退出

输入

source ~/.bashrc 

更新下环境

输入

conda list

可看到一系列的包名输出,代表完成啦,撒花~~

由于annaconda自带的下载工具pip默认使用的是外网的网址,接下来需要对其网址进行更新,用我们国的自带的网址,这样使用conda pip就嘎嘎快

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

由于annaconda也自带的conda工具默认使用的是外网的网址,我们也需要对其进行配置,方便接下来的环境管理与使用,输入:

conda clean -isudo gedit ~/.condarc

进入condarc文件,将配置信息粘贴写入,保存退出

配置信息:

channels:- defaults
show_channel_urls: true
default_channels:- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmsys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudbioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmenpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudpytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudpytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudsimpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

输入conda安装第三方包测试:

Conda install scrapy

测试时间比较长,大概3min

然后使用annaconda的conda命令创建虚拟环境,我的环境My_torch

     conda create -n <环境名称自定义> python=<python的版本号>例如:conda create -n My_torch python=3.8   输入后回车

完成后显示done,这样我们就创建好啦:

接下来

source activate <你的虚拟环境>

成功后可以看到你的环境从base变成了My_torch

至此,在Ubuntu上anaconda安装并且配置完成啦,还配置了自己的虚拟环境My_torch,这个环境就是接下来yolov5需要的环境噜,恭喜恭喜,已经完成了(3/9)加油!

****************************************************************************

3.2.Pytorch安装

在虚拟机打开火狐浏览器里输入pytorch官网用来获取下载指令

【Pytorch官网】https://pytorch.org/

选择conda版本,选择cpu版本,下面得到安装指令

conda install pytorch torchvision torchaudio cpuonly -c pytorch

在终端粘贴就可以进行pytorch的下载

输入y(yes)开始下载

看到以下界面就代表下载好啦~~~~撒花

我们测试一下:

输入    python3再输入  import torch再输入  torch.__version__

出现你的pytorch版本号就代表下载成功噜~~~~

进度(4/9)加油!

****************************************************************************

3.3.Vscode安装

打开火狐浏览器,输入vscode官网(此步是为了方便后续浏览代码以及展示效果)

【Vscode官网】https://code.visualstudio.com/Download

选择linux版本的.deb_x64版本,点击下载

等待下载

下载完成后,在文件的下载中找到安装包,点击用软件安装打开

点击安装,输入密码(如果提示进程被琐,重启解决)

安装完成后,belike:

右上角关闭,左下角点击打开应用列表,顶上输入vscode查找应用

双击打开,可以鼠标右键-添加到收藏夹栏

进入后我们点击拓展,下载拓展中文包

输入chinese找到中文包,点击install下载

下载完成后,右下角更改系统语言并且重启vscode

接下来配置Python拓展,同样在vscode拓展里输入python下载拓展并安装

这样我们就在ubuntu系统下安装了最好用的代码编辑器vscode噜

撒花~~~~~

进度(5/9)

****************************************************************************

3.4.Yolov5源码及环境获取安装

在火狐浏览器输入gitee(一个国内的代码仓库),输入yolov5查找相关开源仓库,找到其中一个就行,当然用我的仓库也行

这是链接:https://search.gitee.com/?skin=rec&type=repository&q=yolov5

点击进入,点击克隆/下载 – 下载zip(可能需要账号登录)

下载完成后,在文件夹下载中找到yolo-master压缩包,将其解压(提取)

将解压后的文件夹复制到桌面,方便操作

右键打开终端,进入文件夹目录

cd yolo-master

注意指令前面一定要是你之前配置pytorch的环境,我的是My_torch

输入指令进入环境:conda activate <你的环境>例如我的:conda activate My_torch

使用指令用清华源安装需要的环境:

pip install -U -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

注意 -U 是大写噜

输入指令后开始嘎嘎安装(大约2分钟)

安装完成后,所有的环境以及包都安装好啦!!!!!!!恭喜

进度(6/9)

三. 【测试Yolov5】

接下来就是最激动人心的时刻!测试Yolov5!

打开vscode,点击打开文件夹(也就是我们的工作目录),点击我们之前下载的yolov5-mater文件夹

打开后,信任文件夹

接下来点击我们用来测试yolov5的detect.py文件,点击右下角的环境解释器,在上面选框中找到我们的之前配置的My_torch解释器。

选择解释器后可以发现解释器变成了My-torch,然后点击右上角的三角运行。

然后就可以在vscode终端看到一些列输出

运行成功!!yolov5实现目标检测结果保存在目录runs/detect/exp中,我们找到目录看看效果~~

可以看到yolov5检测效果十分的不错,测试成功!!!!!!!

进度(7/9)

四. 【实现自己输入图片/笔记本摄像头的目标检测】

---------------------------------------------------------------------------------------------------------------------------------

1.输入自己的图片

在文件夹找到yolov5-master文件夹,点击进入,找到data文件夹,继续找到images文件夹,这就是yolov5获取源图片的位置,将我们需要自定义检测的图片放入即可。

这里我用QQ将一张车人图片放在images里面,图片名字是xiantao_Car_person.jpg(注意图片是jpg格式)

(当然也可以在火狐浏览器上面下载你喜欢的图片放在images里面)

xiantao_Car_person.jpg

再次打开vscode,重复前面一节的【三、测试yolov5】过程,运行程序,看看yolov5这次能不能对我们给定的图片进行目标检测呢。

运行detect.py程序,终端输出成功运行信息,结果保存在runs/detect/exp2目录下,我们找到xiantao_Car_person.jpg

可以看到,yolov5对我们自定义输入的图片目标检测成功!!!!!

进度(8/9)

接下来我们自己插入一个Usb摄像头,进行实时的目标检测~~

---------------------------------------------------------------------------------------------------------------------------------

2.使用笔记本摄像头目标检测

还是用vscode打开detect.py文件,找到第245行的参数行

将   default = ROOT / ‘data/images’改为 default = ‘0’  【0表示使用笔记本默认摄像头】

然后将摄像头连接到虚拟机上,不然运行detect,py就会报错

虚拟机 – 可移动设备 – 找到笔记本摄像头 – 连接

之后点击运行detect.py就可以看yolov5跑出来的效果啦

(这里很可能会遇到报错:什么什么no shape读不到摄像头)

打开茄子相机应用看看有没有图像输出,如果没有很大可能是虚拟机的Usb设置不对,先关机,在USB适配器将兼容性改为USB3.1

再次打开虚拟机(记得将摄像头连接到虚拟机!)打开茄子相机,就可以看到摄像头啦~

点击运行,可以看到出现一个界面,动态的显示摄像头的图像,就是yolov5进行的目标检测噜,成功检测到摄像头的输出并目标检测啦。

点击终端,按下q结束程序,可以在

yolov5-mater/runs/detect/最新的exp文件下看到刚刚运行的视频

至此,在Ubuntu下使用yolov5进行目标检测已经完全成功!完结撒花!!!!!!!!!!!进度(9/9)

更多细节:

【使用外接USB摄像头进行目标检测】

将这里的default = ‘0’改为default = ‘1’或者‘2’等,这个看你的usb摄像头搭载在哪里,输入指令ls -l /dev/video* 查看。

【Ros下搭载yolov5实现目标检测】

作为一名Ros机器人学习者,当然想到能将yolov5搭载在Ros环境中,那对于很多机器人都可以实现目标检测,检测到车辆或者行人还是其他事物时,在不同的应用场景进行设计。我比较感兴趣的是在车辆上搭载yolov5,实现自动驾驶场景,目标检测,信息判断,消息通信,话题发布通信,路径规划导航等,在Ros的环境下自己实现车辆的自动避险,自动驾驶等,想必也是帅的嘞。

可能需要一时半会,码一下这篇博主的文章

https://blog.csdn.net/svfsvadfv/article/details/129825613

----------------------------------------------------------------------------------------------------

相信读到这里的朋友,一定是坚持且优秀的

给博主一个免费的赞👍吧

扫描二维码进博主交流群,问题交流 | 吹吹水 | 一起变得更加优秀

2023.11.4

渝北仙桃数据谷

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/154178.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

SPI 实验

SPI介绍 SPI 是英语 Serial Peripheral interface 缩写&#xff0c;顾名思义就是串行外围设备接口。SPI 通信协 议是 Motorola 公司首先在其 MC68HCXX 系列处理器上定义的。SPI 接口是一种高速的全双工 同步的通信总线&#xff0c;已经广泛应用在众多 MCU、存储芯片、AD 转换器…

Java八股文(急速版)

Redis八股文 我看你在做项目的时候都使用到redis&#xff0c;你在最近的项目中哪些场景下使用redis呢? 缓存和分布式锁都有使用到。 问&#xff1a;说说在缓存方面使用 1.在我最写的物流项目中就使用redis作为缓存&#xff0c;当然在业务中还是比较复杂的。 2.在物流信息…

国外客户要求免费样品?我来教你如何应对

这一次的问题对外贸业务员来说是非常重要。无论你是做什么行业&#xff0c;无论你是做什么产品我相信这个问题对你来说超级有用。 关于发样品给客户我有四个方案来跟大家分享&#xff0c;我希望你能够喜欢希望你很认真的思考一下&#xff1a; 方法一【样品费及运费一起收】&am…

模方4.1.0新版本正式上线啦!

新增单体化自动建模&#xff0c;直角搭桥、复制三角形两种方式补洞等功能&#xff0c;还有更多功能优化&#xff0c;让你的三维模型更好看&#xff01; 欢迎前往官网下载试用→武汉大势智慧-实景三维-云端建模-新型基础设施

效率提升利器:Automa插件的实用指南

Automa是一个chrome扩展&#xff0c;通过拖拽0代码实现工作流&#xff0c;模拟网页的各种点击、表单填写等操作&#xff0c;使用时点击插件脚本一键执行&#xff0c;或者设置定时执行&#xff0c;从而简化我们的工作。 功能介绍 官方文档地址&#xff1a;Getting started | Au…

Spring的后处理器

目录 引言 BeanFactoryPostProcessor 注意 BeanPostProcessor 引言 Spring的后处理器是spring对外开发的重要扩展点&#xff0c;允许我们介入到Bean的整个实例化流程来&#xff0c;以达到动态注册BeanDefintion&#xff0c;动态修改BeanDefintion&#xff0c;以及动态修改Be…

怎么实现在微信公众号秒杀商品的功能呢

实现微信公众号秒杀商品的功能&#xff0c;需要结合微信公众平台和后端开发技术。下面将介绍整个实现过程&#xff0c;包括前期准备、开发流程和后期运营等方面。 一、前期准备 确定秒杀商品&#xff1a;选择适合秒杀的商品&#xff0c;要求数量充足、质量良好&#xff0c;同时…

一次性能测试,为啥把我逼疯了?

最近&#xff0c;公司领导让我做下性能方面的竞品对比&#xff0c;作为一个性能测试小白的我&#xff0c;突然接到这样的任务&#xff0c;下意识发出大大的疑问。 整理好心情&#xff0c;内心想着“领导一定是为了考验我&#xff0c;才给我这个任务的”&#xff0c;开始了这一…

electron使用electron-builder macOS windows 打包 签名 更新 上架

项目文件大概目录 1. 安装electron-builder 2. macOS 2.1 创建 Certificates, Identifiers & Profiles Devices 在mac上安装xcode&#xff0c;打开xcode&#xff0c;然后按以下步骤操作。 (1) xcode的菜单栏&#xff1a;xcode > settings。登录apple id。 (2) 登录后…

【操作系统】文件系统之文件共享与文件保护

文章目录 文件共享硬链接软链接 文件保护口令保护加密保护访问控制 文件共享 为了实现文件的共享&#xff0c;引入了“计数器”字段&#xff0c;当一个文件每被一个用户所共享&#xff0c;那么计数器就加一。如果一个用户删除文件&#xff0c;计数器相应的减一。如果计数器为0…

uniapp+vue3使用pinia,安卓端报错白屏

报错内容&#xff1a; reportJSException >>>> exception function:createInstanceContext, exception:white screen cause create instanceContext failed,check js stack ->at useStore2 (app-service.js:1487:15)at (app-service.js:1714:17)at (app-serv…

认识.NET Aspire:高效构建云原生应用的利器

简介 在几天前的.NET 8发布会上&#xff0c;来自微软的Glenn Condron和David Fowler为我们演示了.NET Aspire&#xff0c;在Visual Studio的帮助下&#xff0c;它展现出了惊人的开发效率。 短短的十分钟内&#xff0c;David现场演示了如何轻松创建了一个具有服务发现&#xf…

Unity模拟薄膜干涉效果

Unity制作薄膜干涉效果&#xff0c;色彩斑斓的黑色石头 大家好&#xff0c;我是阿赵。   这次来做一个模拟薄膜干涉的彩色效果&#xff0c;Shader是使用ASE来连接&#xff0c;也算是ASE做复杂一点的效果的一个例子吧。 一、什么是薄膜干涉 以下解释来源于百度百科&#xff1…

【开源】基于Vue和SpringBoot的微信小程序的音乐平台

项目编号&#xff1a; S 055 &#xff0c;文末获取源码。 \color{red}{项目编号&#xff1a;S055&#xff0c;文末获取源码。} 项目编号&#xff1a;S055&#xff0c;文末获取源码。 目录 一、摘要1.1 项目介绍1.2 项目录屏 二、功能模块三、系统展示 四、核心代码4.1 查询单首…

Oracle(2-4)Naming Method Configuration

文章目录 一、基础知识1、OV of Naming Methods 命名方法的OV2、Five Key Parameters 连接数据库的五个关键参数 二、基础操作1、tnsnames.ora网络名配置 Naming Method Configuration 数据库网络命名配置 目标1&#xff1a; 描述主机命名和本地服务名称解析之间的区别使用Orac…

Java-super

【1】super:指的是&#xff1a; 父类的 【2】super可以修饰属性&#xff0c;可以修饰方法&#xff1b; 在子类的方法中&#xff0c;可以通过 super.属性 super.方法 的方式&#xff0c;显示的去调用父类提供的属性&#xff0c;方法。在通常情况下&#xff0c;super.可以省…

如何利用 AI 写一本书并实现被动收入

如何每个月写一本能赚 5000 美元的书&#xff1f;不少人不知道如何在一周内写作和出版一本书 这里有个教程教你如何利用 AI 写一本书并实现被动收入 [收藏起来以备后用] 推出书友智能写作工具&#xff1a;Bookwiz 不用花几年时间独自写作一本小说&#xff0c;人工智能可以作…

使用activiti部署提示不是 ‘NCName‘ 的有效值

排查发现是整个流程图的&#xff0c;流程名称没有填写 修改之后就可以了

Taro编译警告解决方案:Error: chunk common [mini-css-extract-plugin]

文章目录 1. 背景2. 问题分析3. 解决方案3.1 更新 Taro 版本3.2 更新相关依赖3.3 调整 webpack 配置3.4 检查依赖版本 4. 拓展与分析4.1 拓展4.2 避免不必要的依赖4.3 查阅 Taro GitHub 仓库 5. 总结 &#x1f389;欢迎来到Java学习路线专栏~Taro编译警告解决方案&#xff1a;E…

windows如何查看自己的ip地址

windows如何查看自己的ip地址 1.打开控制面板 2.进入网络和internet 3.进入网络共享中心 4.点击以太网进入网络详情页&#xff0c;或邮件已连接的网络&#xff0c;点击属性 5.查看ipv4地址就是当前机器ip