前言

​ YOLOv5,v8以及v11是YOLO系列比较经典的几个版本，这里进行简单的介绍并给出自己对三个版本之间的对比的浅薄理解。

YOLO

介绍

​ 在介绍相关版本之前，先了解一下YOLO是什么。

​ YOLO是把目标检测当成一个端到端的回归问题，一次前向传播同时预测类别 + 位置。YOLO 将模型将整张图像一次性输入一个深度卷积神经网络，通过主干网络（Backbone）提取多层次特征，再由颈部网络（Neck）进行特征融合以同时兼顾大目标与小目标，最后在检测头（Head）上直接对每个特征点或网格位置进行预测，输出边界框的中心位置、宽高、目标存在的置信度以及类别概率，训练时通过将预测结果与真实标注计算定位损失、置信度损失和分类损失并反向传播更新参数，推理时对预测框进行阈值筛选和非极大值抑制（NMS）以去除重复框，从而在一次前向传播中完成目标定位与分类，实现端到端、实时的目标检测。

写在前面

​ 在完成了博客的雏形之后接下来就是诸多优化，接下来将列举一些我使用了的优化或美化内容。

​ 对于电脑小白而言，非常推荐这篇知乎，除了时间有点久远，内容真的很详细：(从零开始搭建个人博客（超详细） - 知乎

​ 任何修改过后想要在网页中看到效果都要在对应的博客文件夹中执行以下三个指令

1
2
3

hexo clean
hexo g
hexo d

写在前面

​ 这个博客搭建起来已经有一年半的时间了，但是后面一直因为各种原因没有能将自己的搭建过程以及遇到的困难分享出来。现在闲来无事，也正好准备将自己的搭建过程分享一下，顺便研究一下为什么自己的博客只有用VPN才能加载出来。

​ 对于电脑小白而言，非常推荐这篇知乎，除了时间有点久远，内容真的很详细：(从零开始搭建个人博客（超详细） - 知乎

基本介绍

🤖️ DB-GPT是一个开源的AI原生数据应用开发框架(AI Native Data App Development framework with AWEL(Agentic Workflow Expression Language) and Agents)。

目的是构建大模型领域的基础设施，通过开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力，让围绕数据库构建大模型应用更简单，更方便。

环境搭建

DB-GPT的部署搭建有专门的文档说明快速开始_V0.7.0由于此时已经更新到V0.7.0，环境的部署需要依赖uv实现

前言

关于TCP连接的三次握手和断开的四次挥手，现在已经是三刷了。之前在学习过程中不是非常理解，只是知道了这个过程，但是由于往往解释有些官方或抽象，记不住也不理解。现在在理解后准备将自己的理解发表一下，希望能帮到有相同境遇的人。

TCP的连接

偏官方的描述

1. 客户端（Client）向服务端（Server）发送一个SYN报文，序号（）为随机数
2. 服务端收到后，向客户端发送SYN+ACK的应答报文，,同时发送一个随机序号
3. 客户端收到后再向服务端发送Ack报文，

该笔记为学习javaweb时一些小细节的记录，主要为ssm相关内容
学习链接：
https://www.bilibili.com/video/BV1m84y1w7Tb

基本介绍

这是能用AI技术生成图片的开源软件，只要给定一组描述文本，AI就会开始绘图(准确的说是「算图」或「生图」)；亦能模仿现有的图片，生成另一张图片。甚至给它一部分涂黑的图片，AI也能按照你的意愿将图片填上适当的内容。除此之外还支持自行训练模型加强生图效果。

环境搭建

我最先使用的是下面介绍①的版本，但是缺少很多插件，用着不是很方便，于是使用了介绍②的版本。

由于此次复习目的为应对保研面试专业面部分，所以不会涉及计算内容

知识背景

如何将自己的文件分享给其他人？

直链

实现

把该文件放在自己的服务器当中，其他人去对应网址下载软件。

举例

音乐软件缓存歌曲，小说网站下载小说，应用官网下载软件

缺点

1. 所有人都去一个服务器下载，抢占网络带宽，导致每个人下载速度很慢
2. 十分受分享方、服务器的影响，如果分享方或服务器受到影响就无法正常分享文件

并查集的理解

作为一种数据结构，其核心的是修改与查询，并查集实现的是1.将两组的内容合并以及2.查询两个元素是否在同一组内。

并查集的结构往往是以树的形式呈现，所谓的同一组就是是否在同一棵树下，将两组的内容合并就是将一颗的根节点嫁接到另一根树的根节点下面，查询两个元素是否在同一组内就是看两个结点是否在同一棵树下。