昇腾 - AscendCL C++应用开发 推理部分 模型执行

昇腾 - AscendCL C++应用开发 推理部分 模型执行

flyfish

准备模型执行的输入/输出数据结构

 aclmdlDataset├── aclDataBuffer│   ├── buffer address│   └── buffer size└── aclDataBuffer├── buffer address└── buffer size...

使用aclmdlDataset类型的数据描述模型的输入/输出数据，模型可能存在多个输入、多个输出。

调用aclmdlDataset类型下的操作接口添加aclDataBuffer类型的数据、获取aclDataBuffer的个数等。
每个输入/输出的内存地址、内存大小用aclDataBuffer类型的数据来描述。

调用aclDataBuffer类型下的操作接口获取内存地址、内存大小等。

模型执行的输入/输出数据结构的准备流程

（编辑方法：文字前面加 - ，上下级关系按tab）

  • 创建描述模型输入/输出的数据类型

    • aclmdlCreateDataset

  • 获取模型的输入/输出的个数

    • aclmdlGetNumInputs
    • aclmdlGetNumOutputs

  • 循环：

    • 获取每个输入/输出的内存量

      • aclmdlGetInputSizeByIndex
      • aclmdlGetOutputSizeByIndex

    • 为模型的每个输入/输出申请内存

      • aclrtMalloc

    • 创建描述模型输入/输出内存的数据类型

      • aclCreateDataBuffer

    • 获取输入/输出的名称 （可选）

      • aclmdlGetInputNameByIndex
      • aclmdlGetOutputNameByIndex

    • 向aclmdlDataset中添加

      • aclDataBuffer
      • aclmdlAddDatasetBuffer

ModelProc类的主要流程

1. 初始化与资源管理

当创建一个 ModelProc 对象时，它首先会做一些基础的初始化工作，比如：

  • 初始化变量 ：它会设置一些标志，表示模型是否已经加载、资源是否已释放等等。

  • 检查设备模式 ：它会检查当前设备是在电脑的内存（HOST模式）上运行，还是在设备的内存（Device模式）上运行，这样在后续的操作中可以知道数据应该放在哪里。

2. 加载模型

Load 方法是用来加载模型的：

  • 检查是否已加载 ：它首先会检查模型是否已经加载过，如果已经加载，就不会重复加载。

  • 加载模型文件 ：如果模型没有加载过，它会从指定的路径加载模型文件，并保存模型的 ID。

  • 准备模型描述 ：加载成功后，它会创建一个模型描述，获取有关模型输入输出的信息，比如模型需要多少输入，以及会产生多少输出。

  • 分配输出内存 ：它还会为每个输出分配内存，这样模型运行后就知道把结果存放在哪里。

3. 准备输入数据

在模型运行之前，需要准备好输入数据。ModelProc 提供了几种不同的 CreateInput 方法：

  • 单个输入 ：如果的模型只需要一个输入，可以使用一个方法将这个输入数据添加到模型的输入集里。

  • 多个输入 ：如果的模型需要多个输入（比如同时处理图片和文本），它有另一种方法可以将多个输入数据添加到模型中。

  • 通用输入 ：还有一种方法允许用一个列表传递多个输入数据，这样更加灵活。
    无论哪种方式，数据都会通过 AddDatasetBuffer 方法添加到模型的输入集里，准备进行推理。

4. 执行模型推理

Execute 方法就是用来让模型“干活”的：

  • 运行推理 ：它会调用一个函数来执行模型推理，将输入数据进行处理。

  • 获取结果 ：推理完成后，它会从模型输出中取出结果，并保存到一个结构体里，供后续使用，比如显示预测结果或进行进一步分析。

5. 资源释放与模型卸载

当用完模型之后，需要释放占用的资源：

  • 卸载模型 ：Unload 方法负责卸载模型，释放所有分配的资源，包括输入和输出的数据集、模型描述等等。

  • 销毁数据集 ：它会专门销毁输入输出的数据集，并释放缓冲区的内存，确保没有内存泄漏。
    通过 ModelProc 类，可以轻松地加载模型、准备数据、执行推理并获取结果，而无需担心资源管理的问题。这个类会帮自动处理资源的分配和释放，让更专注于模型的使用本身。

模型执行 代码的封装 实现文件

/**
* File ModelProc.cpp
* Description: handle model process
*/
#include <iostream>
#include "ModelProc.h"
using namespace std;namespace acllite {// ModelProc 构造函数，初始化成员变量。
ModelProc::ModelProc() : loadFlag_(false), isReleased_(false),modelId_(0), modelPath_(""), modelDesc_(nullptr),input_(nullptr), output_(nullptr), outputsNum_(0)
{// 获取当前设备的运行模式（CPU或Device），并将结果存储在runMode_中。aclrtGetRunMode(&runMode_);
}// 析构函数，在对象销毁时调用，确保资源被释放。
ModelProc::~ModelProc()
{DestroyResource();
}// 销毁资源，释放加载的模型和相关数据。
void ModelProc::DestroyResource()
{if (isReleased_) {return;  // 如果资源已经释放过，则直接返回。}Unload();  // 卸载模型。isReleased_ = true;  // 标记资源已释放。
}// 加载模型并初始化相关资源。
bool ModelProc::Load(const string& modelPath)
{modelPath_.assign(modelPath.c_str());  // 保存模型路径。if (loadFlag_) {LOG_PRINT("[ERROR] %s is loaded already", modelPath_.c_str());return false;  // 如果模型已经加载，则返回false。}// 从文件加载模型，加载成功返回模型ID。aclError aclRet = aclmdlLoadFromFile(modelPath_.c_str(), &modelId_);if (aclRet != ACL_SUCCESS) {LOG_PRINT("[ERROR] Load model(%s) from file return %d", modelPath_.c_str(), aclRet);return false;  // 加载失败，返回false。}loadFlag_ = true;  // 标记模型已成功加载。// 创建模型描述结构体，用于描述模型的基本信息。modelDesc_ = aclmdlCreateDesc();if (modelDesc_ == nullptr) {LOG_PRINT("[ERROR] Create model(%s) description failed", modelPath_.c_str());return false;  // 创建失败，返回false。}// 获取模型描述信息。aclRet = aclmdlGetDesc(modelDesc_, modelId_);if (aclRet != ACL_SUCCESS) {LOG_PRINT("[ERROR] Get model(%s) description failed", modelPath_.c_str());return false;  // 获取失败，返回false。}if (modelDesc_ == nullptr) {LOG_PRINT("[ERROR] Create output failed for no model(%s) description", modelPath_.c_str());return false;  // 如果模型描述为空，返回false。}// 创建用于存放模型输出数据的结构体。output_ = aclmdlCreateDataset();if (output_ == nullptr) {LOG_PRINT("[ERROR] Create output failed for create dataset error");return false;  // 创建失败，返回false。}// 获取模型输出的数量。outputsNum_ = aclmdlGetNumOutputs(modelDesc_);for (size_t i = 0; i < outputsNum_; ++i) {// 获取模型第i个输出的内存大小。size_t bufSize = aclmdlGetOutputSizeByIndex(modelDesc_, i);void *outputBuffer = nullptr;// 在Device上分配内存，用于存放模型输出数据。aclRet = aclrtMalloc(&outputBuffer, bufSize, ACL_MEM_MALLOC_NORMAL_ONLY);if (aclRet != ACL_SUCCESS) {LOG_PRINT("[ERROR] Create output failed for malloc device failed, size %d", (int)bufSize);return false;  // 内存分配失败，返回false。}// 创建aclDataBuffer，用于描述输出数据的内存信息。aclDataBuffer* dataBuf = aclCreateDataBuffer(outputBuffer, bufSize);if (dataBuf == nullptr) {LOG_PRINT("[ERROR] Create data buffer error");return false;  // 创建失败，返回false。}// 将数据缓冲区添加到输出数据集中。aclRet = aclmdlAddDatasetBuffer(output_, dataBuf);if (aclRet != ACL_SUCCESS) {LOG_PRINT("[ERROR] Add dataset buffer error %d", aclRet);aclRet = aclDestroyDataBuffer(dataBuf);if (aclRet != ACL_SUCCESS) {LOG_PRINT("[ERROR] Destroy dataset buffer error %d", aclRet);}dataBuf = nullptr;return false;  // 添加失败，返回false。}// 保存输出缓冲区信息，用于后续处理。outputBuf_.push_back(outputBuffer);outputSize_.push_back(bufSize);outputDataBuf_.push_back(dataBuf);}LOG_PRINT("[INFO] Load model %s success", modelPath_.c_str());return true;  // 加载成功，返回true。
}// 创建输入数据，单输入版本。
bool ModelProc::CreateInput(void *input, uint32_t size)
{vector<DataInfo> inputData = {{input, size}};return CreateInput(inputData);  // 调用多输入版本的CreateInput。
}// 创建输入数据，多输入版本。
bool ModelProc::CreateInput(void *input1, uint32_t input1size,void* input2, uint32_t input2size)
{vector<DataInfo> inputData = {{input1, input1size}, {input2, input2size}};return CreateInput(inputData);  // 调用多输入版本的CreateInput。
}// 创建输入数据，通用版本，支持多个输入。
bool ModelProc::CreateInput(vector<DataInfo>& inputData)
{// 获取模型的输入数量。uint32_t dataNum = aclmdlGetNumInputs(modelDesc_);if (dataNum == 0) {LOG_PRINT("[ERROR] Create input failed for no input data");return false;  // 如果模型没有输入，返回false。}if (dataNum != inputData.size()) {LOG_PRINT("[ERROR] Create input failed for wrong input nums");return false;  // 输入数量不匹配，返回false。}// 创建输入数据集。input_ = aclmdlCreateDataset();if (input_ == nullptr) {LOG_PRINT("[ERROR] Create input failed for create dataset failed");return false;  // 创建失败，返回false。}// 将输入数据缓冲区添加到数据集中。for (uint32_t i = 0; i < inputData.size(); i++) {size_t modelInputSize = aclmdlGetInputSizeByIndex(modelDesc_, i);if (modelInputSize != inputData[i].size) {LOG_PRINT("[WARNING] Input size verify failed input[%d] size: %ld, provide size : %d", i, modelInputSize, inputData[i].size);}bool ret = AddDatasetBuffer(input_, inputData[i].data, inputData[i].size);if (!ret) {LOG_PRINT("[ERROR] Create input failed for add dataset buffer error %d", ret);return false;  // 添加失败，返回false。}}return true;  // 创建输入成功，返回true。
}// 添加数据缓冲区到数据集中。
bool ModelProc::AddDatasetBuffer(aclmdlDataset *dataset, void* buffer, uint32_t bufferSize)
{// 创建aclDataBuffer，用于描述缓冲区。aclDataBuffer* dataBuf = aclCreateDataBuffer(buffer, bufferSize);if (dataBuf == nullptr) {LOG_PRINT("[ERROR] Create data buffer error");return false;  // 创建失败，返回false。}// 将数据缓冲区添加到数据集中。aclError ret = aclmdlAddDatasetBuffer(dataset, dataBuf);if (ret != ACL_SUCCESS) {LOG_PRINT("[ERROR] Add dataset buffer error %d", ret);ret = aclDestroyDataBuffer(dataBuf);if (ret != ACL_SUCCESS) {LOG_PRINT("[ERROR] Destroy dataset buffer error %d", ret);}dataBuf = nullptr;return false;  // 添加失败，返回false。}return true;  // 添加成功，返回true。
}// 执行模型推理，并获取推理结果。
bool ModelProc::Execute(vector<InferenceOutput>& inferOutputs)
{// 执行模型推理。aclError aclRet = aclmdlExecute(modelId_, input_, output_);if (aclRet != ACL_SUCCESS) {LOG_PRINT("[ERROR] Execute model(%s) error:%d", modelPath_.c_str(), aclRet);return false;  // 执行失败，返回false。}// 获取推理结果并保存到inferOutputs中。for (uint32_t i = 0; i < outputsNum_; i++) {InferenceOutput out;bool ret = GetOutputItem(out, i);if (!ret) {LOG_PRINT("[ERROR] Get the %dth interference output failed, error: %d", i, ret);return ret;  // 获取输出失败，返回false。}inferOutputs.push_back(out);}return true;  // 执行成功，返回true。
}// 获取单个输出项。
bool ModelProc::GetOutputItem(InferenceOutput& out, uint32_t idx)
{// 获取第idx个输出缓冲区的aclDataBuffer。aclDataBuffer* dataBuffer = aclmdlGetDatasetBuffer(output_, idx);if (dataBuffer == nullptr) {LOG_PRINT("[ERROR] Get model output buffer failed");return false;  // 获取失败，返回false。}// 获取缓冲区内存指针。void* data = aclGetDataBufferAddr(dataBuffer);if (data == nullptr) {LOG_PRINT("[ERROR] Get model output data buffer address failed");return false;  // 获取失败，返回false。}// 获取缓冲区大小。uint32_t len = aclGetDataBufferSize(dataBuffer);out.data = data;  // 将输出数据指针保存到out中。out.size = len;  // 将输出数据大小保存到out中。return true;  // 获取成功，返回true。
}// 卸载模型并释放相关资源。
void ModelProc::Unload()
{if (!loadFlag_) {return;  // 如果模型未加载，则直接返回。}// 销毁模型输入数据集。if (input_ != nullptr) {int ret = DestroyDataset(input_);if (ret != 0) {LOG_PRINT("[ERROR] Unload model(%s) error for destroy input dataset failed", modelPath_.c_str());}}// 销毁模型输出数据集。if (output_ != nullptr) {int ret = DestroyDataset(output_);if (ret != 0) {LOG_PRINT("[ERROR] Unload model(%s) error for destroy output dataset failed", modelPath_.c_str());}}// 销毁模型描述结构体。if (modelDesc_ != nullptr) {aclError ret = aclmdlDestroyDesc(modelDesc_);if (ret != ACL_SUCCESS) {LOG_PRINT("[ERROR] Unload model(%s) error for destroy modelDesc failed, modelDesc_:%p, ret:%d", modelPath_.c_str(), modelDesc_, ret);}modelDesc_ = nullptr;}// 卸载模型。aclError ret = aclmdlUnload(modelId_);if (ret != ACL_SUCCESS) {LOG_PRINT("[ERROR] Unload model(%s) error for unload failed, modelId_:%u, ret:%d", modelPath_.c_str(), modelId_, ret);}modelId_ = 0;// 清除模型加载标记。loadFlag_ = false;
}// 销毁数据集。
int ModelProc::DestroyDataset(aclmdlDataset *dataset)
{aclError aclRet;// 遍历数据集中的每个缓冲区，并释放对应的内存。for (size_t i = 0; i < aclmdlGetDatasetNumBuffers(dataset); ++i) {aclDataBuffer* dataBuffer = aclmdlGetDatasetBuffer(dataset, i);if (dataBuffer == nullptr) {LOG_PRINT("[ERROR] Get data buffer error");continue;}void* data = aclGetDataBufferAddr(dataBuffer);if (data == nullptr) {LOG_PRINT("[ERROR] Get data buffer address error");continue;}// 释放Device上的内存。aclRet = aclrtFree(data);if (aclRet != ACL_SUCCESS) {LOG_PRINT("[ERROR] Free device memory failed");}// 销毁数据缓冲区。aclRet = aclDestroyDataBuffer(dataBuffer);if (aclRet != ACL_SUCCESS) {LOG_PRINT("[ERROR] Destroy data buffer failed");}}// 销毁数据集。aclRet = aclmdlDestroyDataset(dataset);if (aclRet != ACL_SUCCESS) {LOG_PRINT("[ERROR] Destroy dataset failed");return -1;  // 销毁失败，返回错误码。}return 0;  // 销毁成功，返回0。
}} // namespace acllite

模型执行 代码的封装 头文件

/**
* File ModelProc.h
* Description: 处理模型推理过程的头文件
*/#ifndef MODEL_PROC_H
#define MODEL_PROC_H#pragma once#include <iostream>
#include <memory>
#include <vector>
#include "acl/acl.h"
#include "acllite_common/Common.h"namespace acllite {/**
* @class ModelProc
* @brief 用于加载模型、创建输入输出、执行推理并释放资源的类
*/
class ModelProc {
public:/*** @brief 构造函数，初始化类成员变量*/ModelProc();/*** @brief 析构函数，释放资源*/~ModelProc();/*** @brief 销毁模型处理过程中的资源*/void DestroyResource();/*** @brief 加载指定路径下的模型* @param modelPath 模型文件的路径* @return 成功返回true，失败返回false*/bool Load(const std::string& modelPath);/*** @brief 创建单一输入的数据集* @param input 输入数据的指针* @param size 输入数据的大小* @return 成功返回true，失败返回false*/bool CreateInput(void* input, uint32_t size);/*** @brief 创建包含两个输入的数据集* @param input1 第一个输入数据的指针* @param input1size 第一个输入数据的大小* @param input2 第二个输入数据的指针* @param input2size 第二个输入数据的大小* @return 成功返回true，失败返回false*/bool CreateInput(void* input1, uint32_t input1size,void* input2, uint32_t input2size);/*** @brief 从多个输入数据创建输入数据集* @param inputData 包含多个输入数据的向量* @return 成功返回true，失败返回false*/bool CreateInput(std::vector<DataInfo>& inputData);/*** @brief 执行模型推理* @param inferOutputs 用于存储推理输出的向量* @return 成功返回true，失败返回false*/bool Execute(std::vector<InferenceOutput>& inferOutputs);/*** @brief 销毁输入数据集*/void DestroyInput();/*** @brief 销毁输出数据集*/void DestroyOutput();/*** @brief 卸载模型，释放相关资源*/void Unload();private:/*** @brief 向数据集添加缓冲区* @param dataset 数据集指针* @param buffer 缓冲区指针* @param bufferSize 缓冲区大小* @return 成功返回true，失败返回false*/bool AddDatasetBuffer(aclmdlDataset* dataset,void* buffer, uint32_t bufferSize);/*** @brief 获取推理输出项* @param out 存储输出项的结构* @param idx 输出项的索引* @return 成功返回true，失败返回false*/bool GetOutputItem(InferenceOutput& out, uint32_t idx);private:aclrtRunMode runMode_;                   ///< 运行模式（HOST或Device模式）bool loadFlag_;                          ///< 模型是否已加载的标志bool isReleased_;                        ///< 资源是否已释放的标志uint32_t modelId_;                       ///< 模型IDstd::string modelPath_;                  ///< 模型文件路径aclmdlDesc *modelDesc_;                  ///< 模型描述符指针aclmdlDataset *input_;                   ///< 输入数据集指针aclmdlDataset *output_;                  ///< 输出数据集指针size_t outputsNum_;                      ///< 输出数据项的数量std::vector<void*> outputBuf_;           ///< 输出缓冲区指针向量std::vector<size_t> outputSize_;         ///< 输出数据大小向量std::vector<aclDataBuffer*> outputDataBuf_; ///< 输出数据缓冲区指针向量
};}  // namespace acllite#endif  // MODEL_PROC_H

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/web/51120.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

网络工程师必备10个Linux网络命令，超好用

网络工程师必备10个Linux网络命令，超好用

号主&#xff1a;老杨丨11年资深网络工程师&#xff0c;更多网工提升干货&#xff0c;请关注公众号&#xff1a;网络工程师俱乐部 下午好&#xff0c;我的网工朋友 掌握正确的工具对于提升工作效率的重要性不言而喻&#xff0c;尤其在网络工程领域&#xff0c;这一点更是至关重…
阅读更多...
尚品汇-购物车列表、临时用户购物车与登录用户购物车合并实现（三十七）

尚品汇-购物车列表、临时用户购物车与登录用户购物车合并实现（三十七）

目录&#xff1a; &#xff08;1&#xff09;功能—展示购物车列表 &#xff08;2&#xff09;在web-all添加前端实现 &#xff08;3&#xff09;功能--合并购物车 &#xff08;1&#xff09;功能—展示购物车列表 购物车列表接口&#xff1a;CartService /*** 通过用户Id …
阅读更多...
买完服务器后，如何部署项目|如何通过宝塔部署项目

买完服务器后，如何部署项目|如何通过宝塔部署项目

一、前言 很多人都会在腾讯云、阿里云等平台上买服务器&#xff0c;但是买了服务器后&#xff0c;不知道接下来要干什么&#xff0c;或者是怎么部署项目。 买完服务器后&#xff0c;第一步就是再买一个数据盘&#xff0c;然后将数据盘挂载到服务器上&#xff0c;不知道教程的…
阅读更多...
Vue: v-html安全性问题

Vue: v-html安全性问题

一、问题描述 可能都知道使用v-html插入富文本&#xff0c;存在安全隐患&#xff0c;比如 cross-site scripting attack&#xff08;xss&#xff09;。但具体什么情况下v-html会引发安全问题呢&#xff1f;是否内容中含有<scrpit>标签就会触发执行脚本呢&#xff1f; 二…
阅读更多...
【Unity3D小技巧】Unity3D中实现对InputField的自定义输入限制实例

【Unity3D小技巧】Unity3D中实现对InputField的自定义输入限制实例

推荐阅读 CSDN主页GitHub开源地址Unity3D插件分享简书地址QQ群&#xff1a;398291828 大家好&#xff0c;我是佛系工程师☆恬静的小魔龙☆&#xff0c;不定时更新Unity开发技巧&#xff0c;觉得有用记得一键三连哦。 一、前言 InputField是UGUI的文本输入框&#xff0c;自带的…
阅读更多...
eNSP的使用和下载安装

eNSP的使用和下载安装

有小伙伴想考数通的HCIP的或有网络问题的可以进群讨论 找志同道合的人,一起讨论问题 很多小伙伴在安装eNSP的时候出现过很多问题,为了后续我们的专题能进行,这里提前教大家如何下载eNSP 大家可以参考这位大佬的安装,非常的详细 华为 eNSP 模拟器安装教程&#xff08;内含下载地…
阅读更多...
dokcer 安装 redis(单机版)

dokcer 安装 redis(单机版)

准备工作 拉取redis镜像 docker pull redis 通过docker-compose 安装redis 很方便、很简单 先安装docker&#xff0c;参考我这个安装示例进行安装 https://blog.csdn.net/qq_33192671/article/details/13714973 然后安装docker-compose&#xff0c;要是拉取docker-compose无…
阅读更多...
[Meachines] [Easy] grandpa IIS 6.0+CVE-2017-7269+MS14-070权限提升

[Meachines] [Easy] grandpa IIS 6.0+CVE-2017-7269+MS14-070权限提升

信息收集 IP AddressOpening Ports10.10.10.14TCP:80 $ nmap -p- 10.10.10.14 --min-rate 1000 -sC -sV -Pn PORT STATE SERVICE VERSION 80/tcp open http Microsoft IIS httpd 6.0 |_http-server-header: Microsoft-IIS/6.0 |_http-title: Under Construction | htt…
阅读更多...
14-17岁未成年如何办理能一直用的手机卡？

14-17岁未成年如何办理能一直用的手机卡？

14-17岁未成年如何办理能一直用的手机卡&#xff1f; 有些姐妹要去外面上学&#xff0c;都想要一张属于自己的手机卡。 但是因为反诈的原因&#xff0c;对于手机卡的申领特别严格。 很多不满18岁的人能申领的卡&#xff0c;都是物联卡或者纯流量卡&#xff0c;只能上网&#x…
阅读更多...
Promise学习之同步与异步

Promise学习之同步与异步

目录 前言 一、同步与异步 (一) 同步 (二) 异步 二、总结 (一) 同步 (二) 异步 前言 Java有多线程&#xff0c;前端有同步与异步&#xff0c;异步操作可以优化用户体验、提高性能与响应、处理并发与并行任务等等&#xff0c;异步操作有发送Ajax请求、读文件等&#xff0…
阅读更多...
2024河南萌新联赛第五场 C小美想收集（并查集拓展域，2-sat）

2024河南萌新联赛第五场 C小美想收集（并查集拓展域，2-sat）

题目链接 思路&#xff1a; 这题是并查集拓展域板题&#xff0c;而且并查集拓展域其实就是2-sat&#xff0c;虽然做法不同&#xff0c;但是思想是相通的&#xff0c;也可以用2-sat来做。 一个回忆可以看成在好回忆或在坏回忆里&#xff0c;两种选择。 code&#xff1a; #in…
阅读更多...
MATLAB水果分级系统

MATLAB水果分级系统

课题介绍 现在商业行为中&#xff0c;在水果出厂前都需要进行质量检测&#xff0c;需要将不同等级的水果进行分级包装&#xff0c;以保证商业利益最大化。可是传统方法都是依靠人工进行检测&#xff0c;效率低下&#xff0c;主观成分大&#xff0c;并不能很好客观地评价出货质…
阅读更多...
可集成多模型的机器人开发框架 dora：让机器人编程走向大众

可集成多模型的机器人开发框架 dora：让机器人编程走向大众

作者 | Annie Xu 责编 | 何苗 出品 | GOSIM 开源创新汇 C 和 C是机器人编程中常用的编程语言&#xff0c;但学起来存在一定难度。那些对机器人感兴趣&#xff0c;但没有精力花费数周时间学习 C 和 C编程的用户只能望而却步。 为了让机器人技术变得更简单&#xff0c;陶海轩&a…
阅读更多...
SQL手工注入漏洞测试(MongoDB数据库)

SQL手工注入漏洞测试(MongoDB数据库)

此次靶场地址为&#xff1a;墨者学院 ⼀. 如下给出的源码...可以看到数据库查询的语句如下..构造回显测试... new_list.php?id1});return ({title:1,content:2 ⼆.成功显示“ 1” 和“ 2” 。可以在此来显示想要查询的数据。接下来开始尝试构造payload查询 当前数据库。通过…
阅读更多...
C# 中 ScrapySharp 的多线程下载策略

C# 中 ScrapySharp 的多线程下载策略

引言 在现代互联网应用中&#xff0c;数据抓取是一个常见的需求&#xff0c;无论是为了数据分析、内容聚合还是自动化测试。ScrapySharp 是一个基于 .NET 的轻量级、高性能的网页抓取库&#xff0c;它提供了丰富的功能来简化网页内容的抓取和处理。然而&#xff0c;当面对大量…
阅读更多...
2024前端面试题-工程化篇

2024前端面试题-工程化篇

1.webpack&#xff08;模块打包工具&#xff09;五大核心 Entry入口&#xff0c;Output定义输出路径和命名规则&#xff0c;Loader模块转换器&#xff0c;Plugin扩展插件&#xff0c;Mode模式&#xff08;Webpack使用相应模式的配置&#xff09; 2.谈一谈你对Loader和Plugin的…
阅读更多...
CSS 对齐

CSS 对齐

CSS 对齐 在网页设计中&#xff0c;CSS&#xff08;层叠样式表&#xff09;对齐是一种基本而重要的技术&#xff0c;它决定了网页元素的位置和布局。CSS 提供了多种对齐方法&#xff0c;可以精确控制元素的水平、垂直对齐&#xff0c;以及相对于其父元素或整个页面的位置。本文…
阅读更多...
使用python实现3D聚类图

使用python实现3D聚类图

实验记录&#xff0c;在做XX得分预测的实验中&#xff0c;做了一个基于Python的3D聚类图&#xff0c;水平有限&#xff0c;仅供参考。 一、以实现三个类别聚类为例 代码&#xff1a; import pandas as pd import numpy as np from sklearn.decomposition import PCA from sk…
阅读更多...
静力水准仪的基本工作原理：解析磁致伸缩式水准仪

静力水准仪的基本工作原理：解析磁致伸缩式水准仪

静力水准仪作为一种高精度的测量设备&#xff0c;广泛应用于桥梁、隧道、地铁、大坝、大型储罐等工程结构的沉降监测中。其中&#xff0c;磁致伸缩式静力水准仪以其独特的测量原理和技术优势&#xff0c;成为沉降监测领域的重要工具。本文将详细解析磁致伸缩式静力水准仪的基本…
阅读更多...
el-scrollbar搭配el-backtop滚动到最顶/最底 el-scrollbar在focus时出现黑框的解决办法

el-scrollbar搭配el-backtop滚动到最顶/最底 el-scrollbar在focus时出现黑框的解决办法

如何搭配 el-scrollbar 和 el-backtop&#xff0c;使其点击后滚动到底部&#xff1a; <template><!-- 一个el-scrollbar区域&#xff0c;其ref是chatArea --><el-scrollbar scroll"(e: any) > { tempHeight e.scrollTop }" ref"chatArea&qu…
阅读更多...
最新文章

Copyright @ 2022~2023