开始

双十一买了个W806的板子，很便宜，可以ISP刷程序，其实平时够用，但是还是感觉有调试的感觉不错。

制作

工具地址 https://github.com/henrycoding/cklink-lite

SDK（选择T-Head）： https://occ.t-head.cn/community/download?id=616215132330000384

群里面有CKLINK_LITE的固件，其实直接烧录到STM32F103就ok了，我这里用J-Flash烧录,烧录步骤如下

1. Target Interface选择SWD，CPU选择Device，然后按三个点选STM32F103RC
2. Connect, Erase Chip, Program and Verify
3. 拔掉SWD调试器，然后将STM32F103的USB接口接到电脑上

问题

连上电脑以后设备管理器显示设备，但是T-HEAD-DebugServer死活没法链接成功，打开 DebugConsole，提示如下

由提示可知是USB的问题，使用Zadig工具替换驱动即可解决问题， 替换的时候首先点Options -> List All Devices,
然后选择C-Sky开头的，驱动选 libusb-win32 ，然后点击Replace即可

替换完成后，再次打开T-head-debug-server， 即可

特别注意，线的链接顺序

好久没有炼丹了， 感觉想炼丹玩玩，但是感觉有好多的Bug，距离成长为一个炼丹师还有很长的距离。
此次炼丹遇到了一些问题， 感觉还是有很大的参考意义的，现在记录一下。

网络模型用的是 torchvision中的Vgg

1
2
3

resnet = resnest50(pretrained=True)
vgg = vgg19_bn(num_classes=1000, pretrained='imagenet')
net = Sequential(vgg, Linear(1000, 500),Linear(500, 1), nn.Sigmoid())

1. PyTorch里面的ImageFolder，进行数据加载的时用到了transform， 里面有一个to_tensor, 这里面的数据其实是进行了Channel归一化的， 并进行了一些数据通道的转置，因此在推理的时候也需要用to_tensor把image转成tensor，这也间接的回答了一个问题： 训练数据和推理数据必须是一致的，维度、范围也要一致， 对数据的归一化在推理的时候也要进行归一化

1
2
3

folder = ImageFolder(f'./data/train',
                     transform=transforms.Compose([transforms.CenterCrop(400), transforms.ToTensor()]))
data_loader = DataLoader(folder, batch_size=4, shuffle=False)

2. 数据增强。因为本身数据集就是从百度爬取的， 数据集质量本身就不是很好，因此需要对数据集进行数据增强。数据集增强有很多的方法，包括平移变换，伸缩变换，随机剪裁，亮度变换，色彩变换等。

3. 二分类问题可以用BCELoss进行， CrossEntroyLoss 可能效果不是很好。

4. 预训练模型在本任务中效果一般，不知道是为啥， 在分类效果不好的时候，尝试扩大数据集。

其实这次实验主要说明了数据集的处理对结果是十分重要的， 所谓的人工智能其实还没有那么智能，只能识别固定的数据集里面有的模式，不会自己进行所谓的自动学习， 因此对数据的对数据的清洗和加工，以及数据的增强，其实对实验效果的影响十分的大

Hello, 2021程序员节

之前写过好多的博客，用过asp的博客程序，还有php的emlog和wordpress， 以及其他的一些博客程序，苦于自己没钱，服务器都没有续费，因此很多数据也都没有保存下来。最近看了GitHub的Pages，不错，安排上。正好我的.me域名备案被取消了，国内的主机也绑定不上了，那就绑定到GitPages上吧 ~

希望可以把一些感悟和技巧记录下来，以便以后查阅 ~