ubuntuxu双系统安装+git/g++/vim+pytorch+opencv+yolo+sitl相关学习

multirotor


The first day ——12.10

1.install vmware-workstation and ubuntu

  • swap sources and 换输入法

2.learn git

  • github关联远程仓库

3.install and use Typora

Git

codemeaning
mkdir test创建目录
cd test进入目录
git init初始化仓库
ls ;ls -ah查看目录
touch test.c新建项目
add添加到缓存
commit -m “words”提交到库
log提交历史
status查看仓库状态
checkout – file回到最近修改状态
rm ;rm -rf file删除
reset+checkout恢复文件
checkout -b dev创建分支+切换
merge合并
branch -a查看分支
branch -D删除分支
branch -m修改分支名
clone远程仓库关联到本地
push origin branch修改提交
fetch origin branch下载远程代码到本地
git merge origin/branch远程与本地合并

The second day——12.11

1. install and learn g++

  • question 1: unable to install g++(软件包有未依赖的关系)
  • solve :swap sources;

2. c++ printf “hello world”

  • question 2 :unable to edit helloworld.cpp
  • solve :learn vim ( --,-- ; gedit is better )

  • question 3 :unable to compile and run
  • solve :learn g++ about linking cpp files

  • question 4 :push helloworld 文件夹到github 时 error: 源引用规格 helloworld 没有匹配
  • solve :创建本地仓库和分支没有add 文件

  • question 5:本地上传helloworld文件到远程github仓库后,本地修改readme上传git hub出现问题—> git pull 整合远程变更又出现问题—>偏离分支:当本地的分支落后于远程分支时,本地分支又自行修改项目文件生成了新的提交
  • solve : git config pull.rebase false # 合并 + git pull

G++

some command:
commandmeaning
-o outputfile file.cpp编译为可执行文件
-c编译为对象文件
-o outputfile file1.o file2.o链接对象文件
about .o files and .exe files:

对象文件和可执行文件的主要区别在于链接的程度:对象文件包含了部分链接的代码,而可执行文件包含了完全链接的代码。在一些大型项目中,源代码可能被分割成多个文件,然后分别编译成对象文件,最后再链接成一个可执行文件。这样的做法可以提高编译的效率,因为当某个源文件被修改时,只需要重新编译那个文件,而不需要重新编译整个项目。

g++ -o test1 hello.cpp helloworld.cpp
g++ -c hello.cpp
g++ -c helloworld.cpp
g++ -o test2 hello.o helloworld.o
g++ -o test3 hello.o helloworld.cpp
g++ -o test4 hello.cpp //wrong

vim

默认命令模式

commandmeaning
ESC命令模式
gg / G/ 5+G首行/末行/第五行
yy / p/ dd复制/粘贴/剪切
u / ctrl + r撤销/取消撤销
+i / +a编辑模式
:/ wq/ q!末行模式/保存退出/强制退出

The third day——12.12

1. install opencv

怎么会有装起来这么麻烦的东西

  1. install cmake
  2. use gedit
  3. install pkg-config
  • question 1 : 装着装着虚拟机就死机了?
  • solve : 强制重启,太智能了我直接执行下一个操作居然帮我帮上个死机没完成的操作自动执行
  • question 2 : 检验时执行 pkg-config opencv --modversion 报错
  • solve : 缺失了opencv.pc这个配置信息文件
    手动创建opencv.pc
cd /usr/local/lib
sudo mkdir pkgconfig
cd pkgconfig
sudo touch opencv.pc

添加以下信息

prefix=/usr/local
exec_prefix=${prefix}
includedir=/usr/local/include
libdir=/usr/local/libName: OpenCV
Description: Open Source Computer Vision Library
Version: 4.4.0
Libs: -L${exec_prefix}/lib -lopencv_stitching -lopencv_superres -lopencv_videostab -lopencv_aruco -lopencv_bgsegm -lopencv_bioinspired -lopencv_ccalib -lopencv_dnn_objdetect -lopencv_dpm -lopencv_face -lopencv_photo -lopencv_freetype -lopencv_fuzzy -lopencv_hdf -lopencv_hfs -lopencv_img_hash -lopencv_line_descriptor -lopencv_optflow -lopencv_reg -lopencv_rgbd -lopencv_saliency -lopencv_stereo -lopencv_structured_light -lopencv_phase_unwrapping -lopencv_surface_matching -lopencv_tracking -lopencv_datasets -lopencv_text -lopencv_dnn -lopencv_plot -lopencv_xfeatures2d -lopencv_shape -lopencv_video -lopencv_ml -lopencv_ximgproc -lopencv_calib3d -lopencv_features2d -lopencv_highgui -lopencv_videoio -lopencv_flann -lopencv_xobjdetect -lopencv_imgcodecs -lopencv_objdetect -lopencv_xphoto -lopencv_imgproc -lopencv_core
Libs.private: -ldl -lm -lpthread -lrt
Cflags: -I${includedir}
  • question 3:编译时出现 fatal error :opencv2/opencv.hpp:没有那个文件或目录
  • solve : 将/usr/local/include/opencv4/opencv2扔到/usr/local/include/下

  • question 4 :上面的 solve 没有 solve
  • quesiton …
  • sovle :卸载
  • question 5 : 上面的 solve 没有solve

2. learn to use opencv and code to invoke the webcam

3.Abaut the total install of Opencv

main error

  • error 1 :检测opencv版本报错
  • solve :手动创建opencv.pc

  • error 2 : 编译fatal error :opencv2/opencv.hpp:没有那个文件或目录
  • solve :将opencv2文件夹链接到include文件夹下
sudo ln -s /usr/include/opencv4/opencv2 /usr/include/
  • error 3 :上述代码仍无法解决问题
  • solve :代码路径不准确
sudo ln -s /usr/local/include/opencv4/opencv2 /usr/local/include/

  • error 4 : 编译通过生成目标文件,不能生成链接文件 报错 no input files
  • solve :g++用法错误
g++ -o webcam.o      //wrong
g++  webcam.o -o webcam  //wright

ps:百度搜不到解决方案,还得是gpt。
这个错误通常是因为你没有在编译命令中指定要编译的源文件。例如,如果你想编译一个名为hello.cpp的源文件,你应该使用以下命令:

g++ hello.cpp -o hello

在这个命令中,hello.cpp是要编译的源文件,-o选项指定了输出文件的名称,hello是输出文件的名称。如果你在命令中没有指定要编译的源文件,编译器就会报“no input files”的错误。确保你在命令中指定了正确的源文件名,并且文件存在于当前工作目录中。


  • error 5 :g++用法正确后报错undefined reference to`cv::VideoCapture::VideoCapture(int, int)’
  • solve :链接时没有包含OpenCV库文件。要解决这个问题,需要在编译命令中包含OpenCV库文件
g++ yourfile.cpp -o yourfile `pkg-config --cflags --libs opencv`

  • error 6 :成功编译成可执行文件,但运行时报错error while loading shared libraries: libopencv_highgui.so.3.4: cannot open shared object file: No such file or directory
  • solve :有几个库找不到,用locate定位这几个库
sudo apt install mlocate
locate libopencv_highgui.so.3.4

找到后添加路径

cd /etc/ld.so.conf.d
sudo vim opencv.conf    //加入路径
sudo ldconfig

  • error 7 : 想不起来还error什么了

The forth day——12.13

//最顺利的一集

1.install anaconda

error :“conda”无法找到命令
solve :导入路径才能使用

sudo gedit ~/.bashrc
export PATH="/home/用户名/anaconda3/bin:$PATH"
source ~/.bashrc

2.create virtul environment

3.install pytorch

Conda

commandmeaning
conda env list存在的虚拟环境
conda create -n your_env_name python=x.x创建虚拟环境
conda activate your_env_nam进入虚拟环境
conda deactivate env_name退出虚拟环境
conda remove -n your_env_name --all删除虚拟环境

The fifth day to The seventhday——12.14-16


1.搭建Ardupilot开发环境

2.启动SITL

-error :运行奇慢无比
Tools/environment_install/install-prereqs-ubuntu.sh-y

solve :挂着下一个晚上,第二天重下

- error:Failed to load module
  1. TRY 1 ://fail
sudo -H pip2 install --upgrade MAVProxy pymavlink future lxml

error :-H无法找到命令与目录
solve :在sudo命令中,-H标志是用来设置HOME环境变量为目标用户的家目录。这个标志是有效的,但是在某些情况下,可能会遇到"-H: 没有那个文件或目录"的错误。这通常是因为系统中的sudoers文件配置问题导致的。
如果遇到了这个问题,可能需要检查一下系统的sudoers文件配置。可以使用visudo命令来编辑sudoers文件,确保其中包含以下内容:

Defaults env_keep += "HOME"       //failed

  1. TRY 2 ://fail
sudo pip2 install --upgrade MAVProxy pymavlink future lxml

error :pip2无法找到命令与目录
solve :

sudo apt-get install python-pip

error: If executing pip with sudo, you may want sudo’s -H flag

sudo chown root /home/gonglai/.cache/pip/http
sudo chown root /home/gonglai/.cache/pip

error :Python 2.7 reached the end of its life on January 1st, 2020. Please upgrade
solve :


  1. TRY 3 ://fail
    From csdn:
    python几个包未安装好,需要删除后重装
pip3 uninstall MAVProxy pymavlink future lxml
sudo -H pip2 install --upgrade MAVProxy pymavlink future lxml

  1. TRY 4 ://fail
    From csdn:
    mavproxy未安装好
sudo apt-get install python3-dev python3-opencv python3-wxgtk4.0 python3-pip python3-matplotlib python3-lxml python-pygame
pip3 install PyYAML mavproxy --user
echo 'export PATH="$PATH:$HOME/.local/bin"' >> ~/.bashrc

  1. TRY 5 ://fail
    From csdn:
    更换python版本,旧版本的mavproxy貌似不支持python3
    添加python2到索引,并设置python2为默认的python版本
sudo update-alternatives --install /usr/bin/python python /usr/bin/python2.7 1
sudo update-alternatives --config python

  1. TRY 6 ://fail——>创建虚拟环境后需要重新安装依赖包
Tools/environment_install/install-prereqs-ubuntu.sh-y

创建虚拟环境


  1. TRY 7 ://wrong choice
    重装
    成功

SOLVE:
  1. 创建python=3.9的虚拟环境
  2. 安装依赖包
  3. 找到缺少的python库 opencv-python wxpython matplotlib
- error:·运行几次后报错

运行sim_vehicle.py --map --console出现sim_vehicle.py无法找到文件与目录
Solve:

../Tools/autotest/sim_vehicle.py --frame singlecopter --map --console

The eighth day——12.17


1.安装nvidia和cuda

//fail 虚拟机装不了一点

2.下载yolo5代码和预训练模型

3.安装anaconda后再重启SITL仿真

-error :再次无法打开consolo和map

solve :安装opencv-python,wxpython,matplotlib库

-error :安装wxpython时报错

ERROR: Could not build wheels for wxPython

TRY1 :创建python=3.8的虚拟环境安装//fail ——>
TRY2 :创建python=3.6的虚拟环境安装//fail
TRY3 :安装旧版本的wxpython//fail
TRY4 :创建python=3.9的虚拟环境安装//successful ——>

成功打开console和map


The ninth day——12.18


1. .gitignore

忽略规则优先级
  1. 从命令行中读取可用的忽略规则
  2. 当前目录定义的规则
  3. 父级目录定义的规则,依次递推
  4. $GIT_DIR/info/exclude 文件中定义的规则
  5. core.excludesfile中定义的全局规则
忽略规则匹配语法
空格不匹配任意文件,可作为分隔符,可用反斜杠转义
开头的文件标识 注释,可以使用反斜杠进行转义
! 开头的模式标识否定,该文件将会再次被包含,如果排除了该文件的父级目录,则使用 ! 也不会再次被包含。可以使用反斜杠进行转义
/ 结束的模式只匹配文件夹以及在该文件夹路径下的内容,但是不匹配该文件
/ 开始的模式匹配项目跟目录
如果一个模式不包含斜杠,则它匹配相对于当前 .gitignore 文件路径的内容,如果该模式不在 .gitignore 文件中,则相对于项目根目录
** 匹配多级目录,可在开始,中间,结束
? 通用匹配单个字符
* 通用匹配零个或多个字符
[] 通用匹配单个字符列表
示例:
bin/: 忽略当前路径下的bin文件夹,该文件夹下的所有内容都会被忽略,不忽略 bin 文件
/bin: 忽略根目录下的bin文件
/*.c: 忽略 cat.c,不忽略 build/cat.c
debug/*.obj: 忽略 debug/io.obj,不忽略 debug/common/io.obj 和 tools/debug/io.obj
**/foo: 忽略/foo, a/foo, a/b/foo等
a/**/b: 忽略a/b, a/x/b, a/x/y/b等
!/bin/run.sh: 不忽略 bin 目录下的 run.sh 文件
*.log: 忽略所有 .log 文件
config.php: 忽略当前路径的 config.php 文件
不生效情况
  1. 已纳入版本管理
    solve:删除本地缓存
git rm -r --cached .
git add .
git commit -m 'update .gitignore'
  1. 添加文件被忽略
  • 强制添加
$ git add -f App.class
  • 检查gitignore
$ git check-ignore -v filename.

2. git lfs

LFS作用

Large File Storge,可以帮助我们管理比较大的文件,git lfs对于需要追踪的文件只会保存一个指向该文件的指针,而不是在本地仓库中保存每次提交的版本,节省了本地磁盘空间,缩小了git的传输时间。
它通过将大文件存储在Git仓库之外的服务器上,并使用指向这些文件的指针来跟踪和管理这些文件。这样可以避免Git仓库变得庞大和不稳定。Git LFS支持大文件的版本控制和协作,使得与大型二进制文件(如图像、音频和视频文件等)一起使用Git变得更加灵活和高效。

LFS使用
  • 跟踪大文件
git lfs track "*.zip" 
  • 提交前审核
git lfs ls-files
LFS实际应用
  • 加快克隆速度
    如果克隆包含大量 LFS 文件的仓库,显式使用 git lfs clone 命令可提供更好的性能
  • 加快拉取速度
    git lfs pull 命令批量下载 Git LFS 文件

The tenth day ——12.19


yolov5模型训练

1. 下载数据集
  • 解压.gz文件报错:EOF tar: 归档文件中异常的 EOF
    solve:在windows下安装压缩为rar文件重新上传到网盘
2. 训练数据集
  • 训练过程中killed
    solve:减小BATCH_SIZE ( 每epoch一次训练样本数量 )( 32——>8 );减小epoch数量 ( 100——>10 )
3.测试训练后的权重

在这里插入图片描述在这里插入图片描述


Break 12.20-12.22


The eleventh day ——12.23

双系统 install ubuntu

  • error 1: file /boot/vmlinuz-linus not found
  • solve :以dd镜像模式写入U盘(推荐是iso镜像

  • error 2 :Ubuntu系统开机异常:ACPI Error:AE_NOT_FOUND
  • solve :——>显卡不能完全支持操作系统中包含的开源驱动程序:在linux那一行最后三个—换成nomodeset;按ctrl+x
  • solve :——>开机f2进入bios ,关闭安全启动模式:Secure Boot:Disable ,关闭独显。

分区大小
boot/efi1G
swap两倍内存
/150-200G不少于100G
/home剩下所有

装完就可以卸载 ubuntu 了

  1. windows删除ubuntu的卷
  2. 删除Ubuntu启动引导项
    ①Win + R 输入cmd打开终端,输入 diskpart 进入磁盘工具
    ②输入 list disk 查看磁盘,输入 select disk 0
    ③输入 list partition ,输入 select partition n (Windows EFI分区,一般为260M)
    ④输入 assign letter=J(分配盘符)
    ⑤管理员模式打开记事本
    ⑥打开 J盘/EFI 文件夹,删除Ubuntu文件夹

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/484403.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

MySQL日志详细说明

这片博文我们会详细说明MySQL本身的日志,不包含重做日志和undo日志(这两个日志是innodb存储引擎的日志)。 MySQL本身的日志有以下几种(MySQL5.7版本): 错误日志慢查询日志通用日志二进制日志错误日志 默认情…

python-DBSCAN密度聚类

1.DBSCAN 算法是一种基于密度的聚类算法: 聚类的时候不需要预先指定簇的个数。最终的簇的个数不定。 2.DBSCAN 算法将数据点分为三类: 核心点:在半径Eps内含有超过MinPts数目的点边界点:在半径Eps内点的数量小于MinPts&#xff…

院士报告 | 李德仁:基于数字孪生的智慧城市(PPT)

来源:转自智慧城市大讲堂,微信编辑:邱峰、罗兵,张钦煜微信审核:张祥、吴斌、数字理政研究院、中通协大数据分会本文为首届川渝住房城乡建设博览会——川渝数智城市BIM/CIM高峰论坛上,中国科学院院士、中国工…

Hanlp的安装和配置

Hanlp简介 HanLP 是由一系列模型与算法组成的 Java 工具包,目标是普及自然语言处理在生产环境中的应用。 HanLP 具备功能完善、性能高效、架构清晰、语料时新、可自定义的特点。 HanLP 提供下列功能: 中文分词最短路分词N-最短路分词CRF分词索引分词极…

python-主成分分析-降维-PCA

PCA算法及其应用 主成分分析(PCA) 主城成分分析(PCA):常见的降维方法,用于高维数据集的探索与可视化,还可以用作数据压缩和预处理。 PCA 可以把具有相关性的高维变量合成为线性无关的低维变量,成为主成分&…

5个基本概念,从统计学到机器学习

来源:CSDN作者:George Seif本文讲述了数据分析师应当了解的五个统计基本概念:统计特征、概率分布、降维、过采样/欠采样、贝叶斯统计方法。从高的角度来看,统计学是一种利用数学理论来进行数据分析的技术。象柱状图这种基本的可视…

Ubuntu安装与配置(简要)

学校的实验课任务,一看没有写过Ubuntu的安装,现在顺便上传上来;

python-非负矩阵分解-NMF

非负矩阵分解 非负矩阵分解是矩阵中所有元素均为非负数约束条件下的矩阵分解,其基本思想:给定一个非负矩阵V,NMF能够找到一个非负矩阵W和一个非负矩阵H,使得矩阵W和矩阵H的乘积近似等于矩阵V中的值。 矩阵:被称为基础…

OpenAI与GitHub联手推出AI代码生成工具,比GPT-3更强大

来源:AI科技评论作者:琰琰、青暮比GPT-3更强大!昨日,微软与OpenAI共同推出了一款AI编程工具GitHub Copilot,这款工具基于GitHub及其他网站的源代码,可根据上文提示为程序员自动编写下文代码!Git…

Hanlp之理解用户自定义词典(java版本)

首先说明,由于本人水平有限,文章纰漏以及不妥之处还请指出,不胜感激; 理解hanlp中用户自定义词典(java) 什么是hanlp用户自定义字典?为什么要有用户自定义词典? 在Hanlp分词中&…

python-聚类图像分割

K-Means聚类图像分割 图像分割: 利用图像的灰度,颜色,纹理,形状等特征,把图像分成若干个互不重叠的区域,并使这些特征在同一区域内呈现相似性,在不同区域之间存在明显的差异性。然后&#xff0c…

科学家揭秘大脑靠“旋转”区分过去和现在,还给了个AI架构设计新思路 | Nature子刊...

来源:量子位 过去和现在的边界,到底在哪里?人类,又是如何在时间混沌中区分出过往与当下的?注意,这不是一个哲学问题。(手动狗头)而是科学家们的最新研究。两个普林斯顿的神经学家&am…

Hanlp中自定义词典的配置、引用以及问题解决

文章目录如何阅读本文?Hanlp用户自定义词典引用简介操作步骤环境创建编辑词典文件将用户自定义词典路径加入配置文件删除缓存文件如何阅读本文? 首先我们对Hanlp用户词典进行简介,推荐首先阅读链接文章,它是本文的第一来源&#…

有监督学习

有监督学习 利用一组带有标签的数据,学习从输入到输出的映射,然后将这种映射关系应用到未知数据上,达到分类或回归的目的。 分类:当输出为离散的,学习任务为分类任务。回归:当输出为连续的,学习…

深度学习助力网络科学:基于深度学习的社区发现最新综述

来源:AMiner科技论文题目:A Comprehensive Survey on Community Detection with Deep Learning论文网址:https://arxiv.org/pdf/2105.12584.pdf近日,澳大利亚麦考瑞大学计算机学院人工智能与数据科学实验室联合中科院数学与系统科…

Neo4j 图创建1 以BiliBili粉丝UP主之间的关系为例

基本关系图如下,不给出细节 其中所有粉丝名为杜撰,如有雷同纯属巧合 UP主对应关系为方便建库进行了主观处理,不代表真实情况 无商业用途,学习使用

CentOS7开放端口号

查看所有开放的端口号 firewall-cmd --zonepublic --list-ports 或者 firewall-cmd --permanent --list-ports(--permanent表示永久生效) 查询指定端口号是否开发 firewall-cmd --permanent --query-port8080/tcp 删除一个已经开放的端口号 firewall-cm…

Hinton,Lecun和Bengio三巨头联手再发万字长文:深度学习的昨天、今天和明天

来源:ACM编辑:Priscilla Emil2018年,ACM(国际计算机学会)决定将计算机领域的最高奖项图灵奖颁给Yoshua Bengio、Yann LeCun 和 Geoffrey Hinton,以表彰他们在计算机深度学习领域的贡献。这也是图灵奖第三次…

LR为什么用极大似然估计,损失函数为什么是log损失函数(交叉熵)

首先,逻辑回归是一个概率模型,不管x取什么值,最后模型的输出也是固定在(0,1)之间,这样就可以代表x取某个值时y是1的概率 这里边的参数就是θ,我们估计参数的时候常用的就是极大似然估计&#xf…