一步一步学OAK之十一:实现在RGB相机上进行对象跟踪

news2024/11/26 9:41:28

目录

    • Setup 1: 创建文件
    • Setup 2: 安装依赖
    • Setup 3: 导入需要的包
    • Setup 4:定义和加载模型相关的路径和标签
    • Setup 5: 创建pipeline
    • Setup 6: 创建节点
    • Setup 7: 设置属性
      • 设置相机属性
      • 设置神经网络节点属性
      • 设置物体跟踪对象属性
    • Setup 8: 建立链接
    • Setup 9: 连接设备并启动管道
    • Setup 10: 创建与DepthAI设备通信的输出队列
    • Setup 11: 主循环
      • 从输出队列中获取图像帧数据和目标跟踪结果
      • 计算帧率FPS(frames per second)
      • 获取图像帧的颜色、OpenCV格式的图像帧数据以及目标跟踪的数据
      • 在图像帧上绘制目标跟踪的结果
      • 在窗口中显示图像帧，并在帧上绘制神经网络的帧率信息
    • Setup 12:运行程序

这里我们用到了mobilenet-ssd_openvino_2021.4_6shave.blob模型文件，需要下载并存储到本地文件夹，不会下载的小伙伴可以看我前面的文字，里面有介绍，这里直接使用，不介绍下载过程了。

Setup 1: 创建文件

  • 创建新建13-object-tracker-on-rgb文件夹
  • 用vscode打开该文件夹
  • 新建一个main.py 文件

Setup 2: 安装依赖

安装依赖前需要先创建和激活虚拟环境，我这里已经创建了虚拟环境OAKenv，在终端中输入cd…退回到OAKenv的根目录，输入 OAKenv\Scripts\activate激活虚拟环境

安装pip依赖项：

pip install numpy opencv-python depthai blobconverter --user

Setup 3: 导入需要的包

在main.py中导入项目需要的包

from pathlib import Path
import cv2
import depthai as dai
import numpy as np
import time
import argparse

pathlib用于处理文件路径，sys用于系统相关的操作，cv2是OpenCV库用于图像处理，depthai是depthai库用于深度计算和AI推理。time用于处理时间，argparse用于处理命令行参数。

time库：用于处理和操作时间相关的功能和操作。提供了许多用于测量时间、获取当前时间、等待或延迟执行的函数。可用于计时、性能测试、调度任务等场景。例如，time.time()可以获取当前的时间戳，time.sleep()可以使程序休眠指定时间。

argparse库：用于解析命令行参数以及生成用户友好的命令行界面。

  • 允许定义程序所需的命令行参数，并自动解析和验证这些参数。
  • 可以处理位置参数、可选参数、布尔标志等多种参数类型。
  • 使用argparse可以实现灵活的命令行接口，使得程序可以方便地从命令行中获得输入。
  • 例如，可以使用argparse.ArgumentParser创建一个解析器对象，定义参数后调用parse_args()方法解析命令行参数。

Setup 4:定义和加载模型相关的路径和标签

labelMap = ["background", "aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow",
            "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]

nnPathDefault = str((Path(__file__).parent / Path('../models/mobilenet-ssd_openvino_2021.4_6shave.blob')).resolve().absolute())
parser = argparse.ArgumentParser()
parser.add_argument('nnPath', nargs='?', help="Path to mobilenet detection network blob", default=nnPathDefault)
parser.add_argument('-ff', '--full_frame', action="store_true", help="Perform tracking on full RGB frame", default=False)

args = parser.parse_args()

fullFrameTracking = args.full_frame

这段代码使用argparse库解析命令行参数，并根据解析的结果设置对应的变量值。

  1. 定义labelMap为一个字符串列表，包含了针对图像分类任务的类别标签。每个元素代表一个类别，按照索引与模型预测结果相对应。

  2. 定义nnPathDefault字符串，指定了模型文件的路径，默认为mobilenet-ssd_openvino_2021.4_6shave.blob文件的路径。

  3. parser = argparse.ArgumentParser()创建一个参数解析器对象。

  4. parser.add_argument('nnPath', nargs='?', help="Path to mobilenet detection network blob", default=nnPathDefault)定义一个位置参数nnPath，该参数用于指定模型文件的路径，默认值为nnPathDefault。

  5. parser.add_argument('-ff', '--full_frame', action="store_true", help="Perform tracking on full RGB frame", default=False)用于开启全帧追踪。该参数可以通过命令行中的-ff或--full_frame标志进行设置，默认值为False。

  6. args = parser.parse_args()执行解析命令行参数的操作，并将解析结果保存在args对象中。

  7. fullFrameTracking = args.full_frame根据解析的结果获取可选参数full_frame的值，并将其赋值给fullFrameTracking变量。

Setup 5: 创建pipeline

pipeline = dai.Pipeline()

Setup 6: 创建节点

camRgb = pipeline.createColorCamera()
detectionNetwork = pipeline.createMobileNetDetectionNetwork()
objectTracker = pipeline.createObjectTracker()

xlinkOut = pipeline.createXLinkOut()
trackerOut = pipeline.createXLinkOut()

xlinkOut.setStreamName("preview")
trackerOut.setStreamName("tracklets")

分别创建ColorCamera节点、MobileNetDetectionNetwork节点、ObjectTracker节点和两个XLinkOut节点，并设置两个XLinkOut节点的节点名称

Setup 7: 设置属性

设置相机属性

camRgb.setPreviewSize(300, 300)
camRgb.setResolution(dai.ColorCameraProperties.SensorResolution.THE_1080_P)
camRgb.setInterleaved(False)
camRgb.setColorOrder(dai.ColorCameraProperties.ColorOrder.BGR)
camRgb.setFps(40)

使用dai.ColorCamera对象的方法来设置相机的预览大小、分辨率、颜色顺序和帧率等参数。

  • camRgb.setInterleaved(False)设置相机捕获图像时是否使用交织模式。如果设置为False，则图像数据将以分离的方式进行捕获，更容易处理和获取分离的通道数据。

  • camRgb.setColorOrder(dai.ColorCameraProperties.ColorOrder.BGR)设置相机捕获图像的颜色顺序为BGR。这意味着相机捕获的图像中，颜色通道的排列顺序是蓝、绿、红。

  • camRgb.setFps(40)设置相机的帧率为40帧/秒。帧率表示相机每秒传输的图像帧数，高帧率可以获得更连续、流畅的图像。

设置神经网络节点属性

detectionNetwork.setBlobPath(args.nnPath)
detectionNetwork.setConfidenceThreshold(0.5)
detectionNetwork.input.setBlocking(False)

使用setBlobPath、setConfidenceThreshold和input.setBlocking方法来配置detectionNetwork对象的设置模型文件路径、置信度阈值和输入通道的阻塞模式。

  • detectionNetwork.setBlobPath(args.nnPath)使用args.nnPath的值来设置detectionNetwork的模型文件路径。args.nnPath是在命令行中通过nnPath参数指定的模型文件路径。
  • detectionNetwork.setConfidenceThreshold(0.5)将置信度阈值设置为0.5。这个阈值决定了模型对目标检测结果的信任程度。只有置信度高于该阈值的检测结果才会被认定为有效结果。
  • detectionNetwork.input.setBlocking(False)将输入通道的阻塞模式设置为非阻塞模式。当设置为非阻塞模式时，输入通道可以在没有新数据时立即返回，而不需要等待新数据到达。

设置物体跟踪对象属性

objectTracker.setDetectionLabelsToTrack([5])   
objectTracker.setTrackerType(dai.TrackerType.ZERO_TERM_COLOR_HISTOGRAM) 
objectTracker.setTrackerIdAssignmentPolicy(dai.TrackerIdAssignmentPolicy.SMALLEST_ID)

  • objectTracker.setDetectionLabelsToTrack([5]) 将要跟踪的目标类别设置为只有瓶子（类别标签为5）。这意味着只有检测到瓶子目标时，才会进行跟踪。

  • objectTracker.setTrackerType(dai.TrackerType.ZERO_TERM_COLOR_HISTOGRAM) 设置跟踪器的类型为“零阶跟踪器”（ZERO_TERM_COLOR_HISTOGRAM）。这种类型的跟踪器使用颜色直方图来描述目标，并根据颜色信息进行跟踪。

  • objectTracker.setTrackerIdAssignmentPolicy(dai.TrackerIdAssignmentPolicy.SMALLEST_ID) 设置当新目标开始跟踪时，选择最小的ID作为跟踪器的ID。这意味着在跟踪过程中，较早被检测到的目标将具有较小的ID值。

Setup 8: 建立链接

camRgb.preview.link(detectionNetwork.input)
objectTracker.passthroughTrackerFrame.link(xlinkOut.input)

if fullFrameTracking:
    camRgb.video.link(objectTracker.inputTrackerFrame)
else:
    detectionNetwork.passthrough.link(objectTracker.inputTrackerFrame)

detectionNetwork.passthrough.link(objectTracker.inputDetectionFrame)
detectionNetwork.out.link(objectTracker.inputDetections)
objectTracker.out.link(trackerOut.input)

连接不同的节点以建立数据流。

  • camRgb.preview.link(detectionNetwork.input)将相机的预览输出连接到目标检测网络的输入，将实时图像流输入到目标检测网络中进行处理。

  • objectTracker.passthroughTrackerFrame.link(xlinkOut.input)将目标跟踪器的跟踪帧经过数据流连接发送到xlink输出端口，以便在外部查看和分析跟踪结果。

  • 如果fullFrameTracking为True，则执行camRgb.video.link(objectTracker.inputTrackerFrame)将相机的视频输出连接到目标跟踪器的跟踪帧输入。这意味着完整的帧将用于目标跟踪，而不是仅使用目标检测网络的结果。

  • 如果fullFrameTracking为False，则执行detectionNetwork.passthrough.link(objectTracker.inputTrackerFrame)将目标检测网络的传递输出连接到目标跟踪器的跟踪帧输入。这意味着只使用目标检测网络的结果作为跟踪器的输入。

  • detectionNetwork.passthrough.link(objectTracker.inputDetectionFrame)将目标检测网络的传递输出连接到目标跟踪器的检测帧输入。这样，目标检测网络的结果将作为目标跟踪器检测帧的输入，用于跟踪目标。

  • detectionNetwork.out.link(objectTracker.inputDetections)将目标检测网络的输出连接到目标跟踪器的检测输入。这样，目标检测网络检测到的目标将成为目标跟踪器的输入。

  • objectTracker.out.link(trackerOut.input)将目标跟踪器的输出连接到trackerOut对象的输入，以便将跟踪结果输出到其他模块或设备中。

Setup 9: 连接设备并启动管道

with dai.Device(pipeline) as device:

Setup 10: 创建与DepthAI设备通信的输出队列

    preview = device.getOutputQueue("preview", 4, False)
    tracklets = device.getOutputQueue("tracklets", 4, False)
    
    startTime = time.monotonic()
    counter = 0
    fps = 0
    frame = None

创建输出队列，以便从设备获取处理后的结果。

  • device.getOutputQueue("preview", 4, False) 创建一个名为 “preview” 的输出队列。这个队列最多可以存储4个元素，且不是自动清空。通常，“preview” 输出队列用于获取相机的预览图像数据。

  • device.getOutputQueue("tracklets", 4, False) 创建一个名为 “tracklets” 的输出队列。这个队列最多可以存储4个元素，且不是自动清空。通常，“tracklets” 输出队列用于获取目标跟踪的结果，如目标的位置、边界框等信息。

  • startTime = time.monotonic() 用于获取当前的绝对时间，作为计时器的起始时间。time.monotonic() 函数返回的是一个不受系统时间调整影响的单调递增的值。

Setup 11: 主循环

    while True:

从输出队列中获取图像帧数据和目标跟踪结果

        imgFrame = preview.get()
        track = tracklets.get()

  • imgFrame = preview.get() 用于从名为 “preview” 的输出队列中获取图像帧数据。preview.get() 函数会从队列中获取最新的元素并将其返回给 imgFrame 变量。

  • track = tracklets.get() 用于从名为 “tracklets” 的输出队列中获取目标跟踪结果。tracklets.get() 函数会从队列中获取最新的元素并将其返回给 track 变量。

计算帧率FPS(frames per second)

        counter+=1
        current_time = time.monotonic()
        if (current_time - startTime) > 1 :
            fps = counter / (current_time - startTime)
            counter = 0
            startTime = current_time

  • counter += 1 用于增加计数器的值，表示接收到了一帧新的图像数据。

  • current_time = time.monotonic() 用于获取当前的绝对时间。

  • 通过 (current_time - startTime) > 1 条件判断，在过去的一秒钟内是否已经计算过帧率。如果是，则执行以下操作：

  1. fps = counter / (current_time - startTime) 计算帧率，即每秒接收到的图像帧数。
  2. counter = 0 将计数器重置为0，准备重新计数下一秒的图像帧数。
  3. startTime = current_time 更新起始时间为当前时间，重新开始计时。

通过这些操作，可以在每秒钟结束时计算得到最新的帧率，并在需要时使用该值。

获取图像帧的颜色、OpenCV格式的图像帧数据以及目标跟踪的数据

        color = (255, 0, 0)
        frame = imgFrame.getCvFrame()
        trackletsData = track.tracklets

  • color = (255, 0, 0) 定义一个颜色变量，表示RGB颜色值为红色。

  • frame = imgFrame.getCvFrame() 从 imgFrame 对象中获取OpenCV格式的图像帧数据getCvFrame() 函数是一个用于从 imgFrame 对象中提取图像帧数据的方法。

  • trackletsData = track.tracklets 获取目标跟踪数据。track 是一个对象或类，其中包含目标跟踪的相关方法和数据。这里通过 track.tracklets 访问了目标跟踪数据，可能是获取目标物体的位置、速度等信息。根据实际情况，trackletsData 可能包含一个列表或其他数据结构，存储跟踪目标的相关数据。

在图像帧上绘制目标跟踪的结果

        for t in trackletsData:
            roi = t.roi.denormalize(frame.shape[1], frame.shape[0])
            x1 = int(roi.topLeft().x)
            y1 = int(roi.topLeft().y)
            x2 = int(roi.bottomRight().x)
            y2 = int(roi.bottomRight().y)

            try:
                label = labelMap[t.label]
            except:
                label = t.label

            cv2.putText(frame, str(label), (x1 + 10, y1 + 20), cv2.FONT_HERSHEY_TRIPLEX, 0.5, 255)
            cv2.putText(frame, f"ID: {[t.id]}", (x1 + 10, y1 + 35), cv2.FONT_HERSHEY_TRIPLEX, 0.5, 255)
            cv2.putText(frame, t.status.name, (x1 + 10, y1 + 50), cv2.FONT_HERSHEY_TRIPLEX, 0.5, 255)
            cv2.rectangle(frame, (x1, y1), (x2, y2), color, cv2.FONT_HERSHEY_SIMPLEX)

  • 通过 for t in trackletsData 循环遍历目标跟踪数据列表中的每一个跟踪目标。

  • 通过 t.roi.denormalize(frame.shape[1], frame.shape[0]) 将目标的相对坐标转换为绝对坐标，并赋值给 roi。roi 是一个矩形区域对象，表示目标在图像中的位置。

  • 通过 roi 对象获取目标矩形的四个角的坐标值，并分别赋值给 x1、y1、x2、y2 变量。这些坐标用于确定目标矩形框的位置和大小。

  • 通过 labelMap[t.label] 尝试从 labelMap 字典中获取目标的标签值，并将其赋值给 label 变量。如果在 labelMap 中没有找到对应的标签，就将 t.label 的值直接赋给 label。

  • 使用 cv2.putText() 在图像帧上绘制目标的标签、ID和状态信息。cv2.putText() 函数用于在图像上绘制文本，可以指定文本内容、位置、字体、字体大小、颜色等参数。

  • 使用 cv2.rectangle() 在图像帧上绘制目标矩形框，以及使用定义的 color 绘制框的颜色。

在窗口中显示图像帧，并在帧上绘制神经网络的帧率信息

        cv2.putText(frame, "NN fps: {:.2f}".format(fps), (2, frame.shape[0] - 4), cv2.FONT_HERSHEY_TRIPLEX, 0.4, color)

        cv2.imshow("tracker", frame)

        if cv2.waitKey(1) == ord('q'):
            break

这段代码用于在窗口中显示图像帧，并在帧上绘制神经网络的帧率信息。

  • 通过 cv2.putText() 在图像帧上绘制 NN fps: {:.2f} 格式化字符串，用来显示神经网络的帧率信息。字符串中的 {:.2f} 是一个占位符，用来显示一个浮点数，保留两位小数。format(fps) 中的 fps 是一个变量，表示神经网络的帧率。(2, frame.shape[0] - 4) 表示文本的位置，坐标为 (2, frame.shape[0] - 4)，即文本在图像帧左上角的位置。cv2.FONT_HERSHEY_TRIPLEX 表示使用的字体类型，0.4 表示字体的大小，color 表示文本的颜色。

  • 通过 cv2.imshow() 将图像帧显示在名为 “tracker” 的窗口中。

  • 通过 cv2.waitKey(1) 检测键盘输入。如果按下的键是 ‘q’ (对应的 ASCII 值是 ord(‘q’))，则跳出循环，终止显示图像帧的操作。

Setup 12:运行程序

在终端中输入如下指令运行程序

python main.py

运行看下效果，可以看到相机能实时追踪杯子的位置
在这里插入图片描述

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.coloradmin.cn/o/701265.html

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，一经查实，立即删除！

相关文章

剑指 Offer 33： 二叉搜索树的后序遍历序列

剑指 Offer 33： 二叉搜索树的后序遍历序列

这道题运用的后序遍历一个很重要的性质：最后一个值是根节点，并且二叉搜索树的性质使得右子树的数全都大于左子树。 这里有三个重要的地方， 第一个是当Start值大于等于End（即为只有一个节点时，此时已经满足条件&#xf…
阅读更多...
Revit中用自适应创建简单的瓦片族和切换构件的材质?

Revit中用自适应创建简单的瓦片族和切换构件的材质?

一、Revit中使用自适应创建瓦片族 在我们的日常生活中，屋顶的瓦片是我们经常都能够见到的，瓦片能够挡风遮雨也能够使建筑物带来古香古色的气息，那我们今天来学习如何使用自适应创建简单的瓦片族。 1.首先：我们打开自适应公制常规模…
阅读更多...
usb转rs232全隔离设计参考

usb转rs232全隔离设计参考

参考 CN-0373 特此记录 anlog 2023年6月29日
阅读更多...
css基础（四）

css基础（四）

目录 一、CSS 定位 1.1 为什么需要定位 1.2 定位组成 1.3 静态定位static（了解） 1.4 相对定位relative（重要） 1.5 绝对定位absolute（重要） 1.6 子绝父相的由来 1.7 固定定位fixed（重要&#xff…
阅读更多...
java.lang.ClassNotFoundException: com.mysql.cj.jdbc.Driver 异常解决

java.lang.ClassNotFoundException: com.mysql.cj.jdbc.Driver 异常解决

目录 问题 原因 解决 今天在开发一个DB同步工具的时候，因为采用的是原生的jdbcDriver链接数据库的，代码如下“ Class.forName(this.jdbcDriver); ”，我这边的配置是“ "jdbcDriver":"com.mysql.cj.jdbc.Driver" ”&am…
阅读更多...
红帽限制 RHEL 代码访问，瞄准 Rocky Linux 和 AlmaLinux

红帽限制 RHEL 代码访问，瞄准 Rocky Linux 和 AlmaLinux

CentOS Stream 是由 Red Hat 公司推出的一个开源操作系统，它与 Red Hat Enterprise Linux（RHEL）密切相关。事实上，CentOS Stream 是 RHEL 开发过程中的一个中间流程（在发布新的 RHEL 版本之前，Red Hat 会在…
阅读更多...
基于最新导则下生态环评报告编制技术暨报告篇、制图篇、指数篇、综合应用篇系统性实践技能提升

基于最新导则下生态环评报告编制技术暨报告篇、制图篇、指数篇、综合应用篇系统性实践技能提升

查看原文>>>基于最新导则下生态环评报告编制技术暨报告篇、制图篇、指数篇、综合应用篇系统性实践技能提升 根据生态环评内容庞杂、综合性强的特点，依据生态环评最新导则，将内容分为4大篇章(报告篇、制图篇、指数篇、综合篇)、10大专题(生态环…
阅读更多...
【TOOL】 提升ROS配置主从机效率的小工具

【TOOL】 提升ROS配置主从机效率的小工具

一、简介 因经常需要对不同机器配置主从机(不同机器的主机名一致，IP地址为 “192.168.101.*** ”格式)，故整理此脚本来提高自己频繁切换机器和主从机/单机模式的切换效率，进行一个命令行配置/取消主从机模式。 二、配置步骤 1.编辑脚本文件…
阅读更多...
QTableWidget篇章学习

QTableWidget篇章学习

QTableWidget篇章学习 【1】UI设计【2】效果演示【3】QTableWidget简介【4】QTableWidget常用方法【5】QTableWidget设置样式表【6】源码头文件源文件 【1】UI设计 【2】效果演示 【3】QTableWidget简介 QTableWidget是Qt框架中提供的用于显示表格内容的小部件之一。它是基于Q…
阅读更多...
大佬总结入职阿里，软件测试常见基础题绝不能忘

大佬总结入职阿里，软件测试常见基础题绝不能忘

什么是软件测试？ 正向思维：验证程序是否正常运行，以及是否达到了用户预期的需求。 逆向思维：通过执行测试用例发现程序的错误和缺陷。 关键字：正常运行、用户需求、发现错误。 软件测试的目的是什么？ 找出软…
阅读更多...
Vue数据代理

Vue数据代理

数据代理： 1.Vue中的数据代理： 通过vm对象来代理data对象中属性的操作（读/写） 2.Vue中数据代理的好处： 更加方便的操作data中的数据 3.基本原理： 通过Object.defineProperty()把data对象中所有属性添加到vm…
阅读更多...
MySQL数据库总结 之 函数命令总结

MySQL数据库总结 之 函数命令总结

MySQL命令语句中的函数包含四种： 字符串函数数值函数日期函数流程函数 前两篇关于MySQL的博客，地址如下： MySQL数据库 && SQL语言命令总结 && 数据类型、运算符和聚合函数汇总_Flying Bulldog的博客-CSDN博客https://blog.…
阅读更多...
Flink 源算子之 DataGeneratorSource DataGenerator

Flink 源算子之 DataGeneratorSource DataGenerator

目录 1、功能说明 2、API使用说明 3、代码示例 1、功能说明 从Flink1.1开始提供了DataGen连接器，它提供了Source类的实现（可并行的源算子），用来生成测试数据，在本地开发或者无法访问外部系统(如kafka)时&#xff0c…
阅读更多...
java连接数据库的5种方式

java连接数据库的5种方式

方式一直接导入第三方库驱动类 这种加载方式在jdbc入门时已经用过，这个driver属于第三方库，。为静态加载，灵活性差，依赖性抢 方式二使用反射机制获取 方式一和方式二代码 package com.hsp.edu;import com.mysql.cj.jdbc.Driver;i…
阅读更多...
【FFmpeg实战】音频重采样

【FFmpeg实战】音频重采样

转载自原文地址： https://www.cnblogs.com/zjacky/p/16529648.html 重采样： 将音频进行SDL播放的时候，因为当前的SDL2.0不支持plannar格式，也不支持浮点型的，而最新的FFpemg会将音频解码为AV_SAMPLE_FMT_FLTP&#xf…
阅读更多...
LORA模型原理详解+分层控制使用

LORA模型原理详解+分层控制使用

一、前言 LoRA模型全称是：Low-Rank Adaptation of Large Language Models，可以理解为Stable-Diffusion中的一个插件，仅需要少量的数据就可以进行训练的一种模型。在生成图片时，LoRA模型会与大模型结合使用，从而实现对…
阅读更多...
一张SSL证书支持绑定多个域名吗？

一张SSL证书支持绑定多个域名吗？

一张SSL证书可支持绑定多个不同类型的域名，选择多域名SSL证书（SAN SSL）或通配符SSL证书（Wildcard SSL）类型，就可以实现一张SSL证书绑定多个域名，但绑定的域名类型有些不同。 1、多域名SSL证书&a…
阅读更多...
Golang语言介绍、环境搭建以及编译工具（ CDN 加速代理）

Golang语言介绍、环境搭建以及编译工具（ CDN 加速代理）

Go 语言是非常有潜力的语言，是因为它的应用场景是目前互联网非常热门的几个领域，比如 WEB 开发、区块链开发、大型游戏服务端开发、分布式/云计算开发。国内比较知名的B 站就是用 Go 语言开发的，像 Goggle、阿里、京东、百度、腾讯、小米、36…
阅读更多...
人工智能开发人员工作流程、看法、工具统计数据

人工智能开发人员工作流程、看法、工具统计数据

人工智能开发人员工作流程、看法、工具统计数据 本文目录： 一、人工智能开发所需要的技能和知识 二、开发人工智能需要以下工具 2.1、开发过程中的人工智能工具调查 2.2、AI 工具情绪调查 2.3、AI 工具的优势调查 2.4、人工智能工具的准确性调查 2.5、开发工…
阅读更多...
rails console (SQL)查找语句

rails console (SQL)查找语句

find可以查找一个 where可以查找多个
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023