Halcon深度学习环境搭建（win下）全网最全教程
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/cashmood/article/details/105042928
文章目录
- halcon深度学习介绍
- 系统与环境搭建
- 1、对电脑系统与硬件的要求与安装方式介绍
- 1、深度学习基于CPU版本
- 2、深度学习基于GPU版本
- 2、环境搭建与软件安装
- 1、安装halcon-19.11.0.0-windows.exe
- 2、安装halcon-19.11.0.0-windows-deep-learning-core.exe
- 3、安装halcon-19.11.0.0-windows-deep-learning-data.exe
- 4、安装CUDA运算平台软件
- 5、安装cuDNN支持包
- 6、配置环境变量
- 3、验证Halcon安装
- 4、验证CUDA与cuDNN安装
- 运行Halcon深度学习例程
- 1、Halcon深度学习之分类
- halcon深度学习（分类）例程简介
- 2、Halcon深度学习之目标检测
- halcon深度学习（目标检测）例程简介
- 3、Halcon深度学习之语义分割
- halcon深度学习（语义分割）例程简介
前几天在看深度学习，无意中发现halcon已经可以进行深度学习了。所以使用自己电脑进行了环境搭建。因为对深度学习不是很了解，所以走了许多弯路，也总是战战兢兢的。现在对halcon的环境搭建做一次完整的介绍，让大家按照这个步骤就可以完成系统环境的配置。接下来让我们开始吧！
halcon深度学习介绍
HALCON是德国MVtec公司开发的一套完善的标准的机器视觉算法包，拥有应用广泛的机器视觉集成开发环境。它节约了产品成本，缩短了软件开发周期——HALCON灵活的架构便于机器视觉，医学图像和图像分析应用的快速开发。在欧洲以及日本的工业界已经是公认具有最佳效能的Machine Vision软件。
HALCON2017版本即带深度学习算法包。可以进行物体识别、分类、语义分割。
Halcon_深度学习功能介绍资料：
https://pan.baidu.com/s/1Q3ZN1Wek6JEldmn1IbyULg
提取码：ncxc
系统与环境搭建
1、对电脑系统与硬件的要求与安装方式介绍
1、深度学习基于CPU版本
德国HALCON公司机器视觉软件 HALCON18.05于2018年5月22日正式发布。
实现CPU分类，在CPU上进行深度学习
借助HALCON 18.05，客户可以在CPU上执行深度学习，深度学习不再需要GPU。
Halcon 18.05的CPU深度学习方法已针对英特尔兼容x86 CPU进行了高度优化。
♚♚♚安装CPU版本，只需要进行环境搭建与软件安装部分的以下操作：
1、安装halcon-19.11.0.0-windows.exe
2、安装halcon-19.11.0.0-windows-deep-learning-core.exe
3、安装halcon-19.11.0.0-windows-deep-learning-data.exe
以下部分可以不进行操作：
4、安装CUDA运算平台软件
5、安装cuDNN支持包
6、配置环境变量
注意： 深度学习基于CPU，在模型训练等过程中运行时长远远大于基于GPU版本，所以还是推荐基于GPU版本，但是如果因为经济条件等因素，CPU版本用来学习还是够用的。
2、深度学习基于GPU版本
|
如何查询电脑的显卡型号呢？
1、在电脑桌面，右击“此电脑”，点击“属性”
2、在打开界面，选择“设备管理器”
3、先在“设备管理器”界面，点击“显示适配器”，显卡的型号就会显示出来。
一般 Intel开头的为集成显卡，
一般 AMD、NVIDIA开头的为独立显卡。
4、需要查看显卡详细信息，则右击显卡选择“属性”
文字理解起来不好理解的话这里有图文教程的传送门：https://jingyan.baidu.com/article/4b07be3c90026f48b380f399.html
如何查询显卡算力？
GPU处理能力对照表传送门https://blog.csdn.net/real_myth/article/details/44308169
如何使用这个表格呢？
例子：例如我们的显卡型号为GTX1060,我们在表格中的GPU型号一栏找到我们的显卡型号，之后查询其对应算力为6.1，符合要求。
|
如何查看自己电脑是64位还是32位
这里就不教大家如何装电脑系统了，只附上一键装机的链接，供大家参考使用。（装机对电脑的数据可能造成损坏，如果不熟悉可以私信我，装机有风险）
一键装机传送门 http://hbs.binggongjinghua.com/
♚♚♚安装GPU版本，需要进行环境搭建与软件安装部分的所有操作：
1、安装halcon-19.11.0.0-windows.exe
2、安装halcon-19.11.0.0-windows-deep-learning-core.exe
3、安装halcon-19.11.0.0-windows-deep-learning-data.exe
4、安装CUDA运算平台软件
5、安装cuDNN支持包
6、配置环境变量
注意： 不要觉得安装繁琐，安装成功程序跑起来的时候，这些付出都值得。
2、环境搭建与软件安装
在电脑满足系统与硬件的要求的情况下，我们进行软件的安装与环境搭建。
这里我们需要安装所需要的软件
深度学习基于CPU版本：
1、安装halcon-19.11.0.0-windows.exe
2、安装halcon-19.11.0.0-windows-deep-learning-core.exe
3、安装halcon-19.11.0.0-windows-deep-learning-data.exe
深度学习基于GPU版本：
1、安装halcon-19.11.0.0-windows.exe
2、安装halcon-19.11.0.0-windows-deep-learning-core.exe
3、安装halcon-19.11.0.0-windows-deep-learning-data.exe
4、安装CUDA运算平台软件
5、安装cuDNN支持包
6、配置环境变量
开始吧！！！！少年
1、安装halcon-19.11.0.0-windows.exe
halcon软件的安装包括两个内容一个是软件本身的安装，一个是软件试用授权文件License的安装。
试用License为一月一换，到期必须更换，购买正版授权加密狗可免限制使用。
请勿修改系统时间去尝试延长授权使用时间，否则将导致被Halcon程序锁死无法使用！
1、下载halcon-19.11.0.0-windows.exe安装包
halcon-19.11.0.0-windows.exe安装包
链接：https://pan.baidu.com/s/1W9X5vy0Wu0q1ZpG6z15QVQ
提取码：sbgn halcon-19.11.0.0授权License文件（2020年4月）
链接：https://pan.baidu.com/s/1UTLEjNX1NOaVaSt6JeJKQA
提取码：tbjp
2、halcon-19.11.0.0-windows.exe软件安装
①、右击下载好的halcon-19.11.0.0-windows.exe软件，选择以管理员身份运行，打开安装程序，如下图所示：
安装程序运行，点击红色框内下一步继续
②、如果电脑安装其他版本halcon，安装软件提示是否卸载之前版本，如果需要卸载点击红色方框内的是按钮，如果保留两个版本，则点击蓝色方框内的否按钮。如果电脑没有安装halcon其他版本，则不会出现此步骤出现的内容。
如果点击了上一幅图示中的红色方框内的是按钮，则会出现下图所示内容，点击红色方框内的是按钮，继续安装。
③、之后弹出软件许可协定，首先将红色方框内的滑动条拖拽到最下方，之后勾选蓝色方框内的选择框，最后点击③橘色方框内的Next按钮继续。
④、接下来弹出是否检查更新的问询窗口，我们先取消红色方框内的勾选框，点击蓝色方框内的Next继续。如下图所示。
⑤、接下来弹出系统位数选择窗口，我们先选择红色方框内的X64勾选框，再点击蓝色方框内的Next继续。
⑥、接下来弹出安装内容选择窗口，我们先全选红色方框内的所有选项，之后点击蓝色方框内的Next继续。
⑦、接下来弹出介绍窗口，我们直接点击蓝色方框内的Next继续。
⑧、之后弹出是否安装GigE的驱动选项窗口。（是否使用halcon软件连接GigE接口的相机）我们这里选择安装。首先选择红色方框内的勾选框，之后点击蓝色方框内的Next继续。
⑨、接下来显示软件的安装语言，我们选择英语。首先选择红色方框内的勾选框，之后点击蓝色方框内的Next继续。
⑩、之后弹出安装位置选择窗口。首先点击红色方框内的按钮选择安装路径，之后点击蓝色方框内的Install进行软件安装。
⑪、之后会出现提示，我们点击确定，继续即可。
⑫、软件开始安装
⑬、等待软件安装完成，点击红色方框内Next按钮以继续。
⑭、问询是否安装许可证，我们选择不安装。首先点击红色方框内的选择按钮，之后点击蓝色方框内的Next按钮以继续。
⑮、创建桌面快捷方式，结束安装程序。首先点击红色方框内的选择按钮，之后点击蓝色方框内的Finish按钮以结束。
3、安装软件授权License
①、下载License文件
halcon-19.11.0.0授权License文件（2020年4月）
链接：https://pan.baidu.com/s/1UTLEjNX1NOaVaSt6JeJKQA
提取码：tbjp
②、将License文件复制到安装目录下的\license\文件夹下
例如：
halcon安装在：
D:\halcon2019\
则License许可放置位置在：
D:\halcon2019\license\ 文件夹下即可。
2、安装halcon-19.11.0.0-windows-deep-learning-core.exe
1、下载halcon-19.11.0.0-windows-deep-learning-core.exe安装包
halcon-19.11.0.0-windows-deep-learning-core.exe安装包
链接: https://pan.baidu.com/s/1InknWnc9UuAYA5sqSANhSg
提取码: sj7b
2、halcon-19.11.0.0-windows-deep-learning-core.exe软件安装
①、右击下载好的halcon-19.11.0.0-windows-deep-learning-core.exe软件，选择以管理员身份运行，打开安装程序，如下图所示：
②、安装程序启动后，点击点击红色方框内Next按钮以继续。如下图所示
③、选择安装内容。首先点击红色方框内的选择按钮选中安装部分文件，之后点击蓝色方框内的Next按钮以继续。如下图所示。
④、安装开始。如下图所示。
⑤、安装结束。点击点击红色方框内Next按钮以继续。如下图所示
⑥、点击红色方框内的Finish按钮以关闭安装软件。
3、安装halcon-19.11.0.0-windows-deep-learning-data.exe
1、下载halcon-19.11.0.0-windows-deep-learning-data.exe安装包
halcon-19.11.0.0-windows-deep-learning-data.exe安装包
链接: https://pan.baidu.com/s/1RdFtFNzQPEpiK2_ewrFGXA
提取码: jmhp
2、halcon-19.11.0.0-windows-deep-learning-data.exe软件安装
①、右击下载好的halcon-19.11.0.0-windows-deep-learning-data.exe软件，选择以管理员身份运行，打开安装程序，如下图所示：
②、安装程序启动后，点击点击红色方框内Next按钮以继续。如下图所示
③、选择安装内容。首先点击红色方框内的选择按钮选中安装部分文件，之后点击蓝色方框内的Next按钮以继续。如下图所示。
④、安装开始。如下图所示。
⑤、安装结束后，点击红色方框内的Finish按钮以关闭安装软件。如下图所示。
4、安装CUDA运算平台软件
1、查询电脑CUDA支持的版本
https://jingyan.baidu.com/article/6fb756ec4fabc4241858fbf7.html
2、下载CUDA安装包
这里以最新版本CUDA10.2为例。其他版本用户按照教程寻找对应版本下载。
首先打开英伟达开发者网站下的，CUDA工具包下载网站。（如若觉得去网站下载比较麻烦可以到此项内容最后处，有可以直接网盘下载CUDA10.2的包，给大家准备好）
https://developer.nvidia.com/cuda-toolkit
网站界面如下图
点击上图红色方框内所示的 DownLoad CUDA 10.2 NOW >
之后显示如下图所示网页。
点击上图红色方框内所示的 Windows按钮选择windows安装包
之后显示如下图所示网页。
①蓝色框内表示Win10操作系统下安装包；②红色框内表示Win8操作系统下安装包；③橘色框内表示Win7操作系统下安装包
大家按照自己的需求选择。接下来以win10为例。
点击①蓝色框内按钮
之后显示如下图所示网页。
点击红色框内的exe [local]按钮，表示下载安装包进行安装。
之后显示如下图所示网页。
鼠标左键点击红色方框内Download[2.6GB]按钮。进行软件下载。
或者右键点击点击红色方框内Download[2.6GB]按钮，选择迅雷下载。（这个更快一点）（前提电脑有迅雷）
如下图片所示
当然也为大家准备好了现成的包直接下载
注意是cuda_10.2
Win10用户安装 **cuda_10.2.89_441.22_win10.exe**
链接：https://pan.baidu.com/s/1953UNfMOig-JJvUOrK58Ig
提取码：3kz8Win7用户安装 **cuda_10.2.89_441.22_windows.exe**
链接：https://pan.baidu.com/s/1R-zKji19k7Lrk7i5w3YJ1Q
提取码：g62d
3、安装CUDA
右击下载好的cuda_10.2.89_441.22_win10.exe软件,以管理员身份运行，如下图所示：
之后显示窗口
注意：②号红色方框内的路径是安装包解压路径，软件安装完毕后会自动删除。
首先点击①号蓝色框内按钮，选择CUDA的解压路径，之后点击③号橘色方框内的OK按钮以继续。
之后将进行解压缩操作，如下图所示：
在解压缩过程中，如果安装360等安全软件，会提示软件访问关键位置的警示，选择允许软件所有操作。
解压完成后，安装软件会自行启动，如下图：
之后软件会进行系统兼容性检查，如下图：
系统兼容性检查通过后，安装程序显示软件许可协议。如下图：
点击红色方框内的同意并继续，软件弹出安装选择选项，如下图：
我们首先点击①红色框内的自定义之后点击②蓝色方框内的下一步继续，之后显示页面：
这里我们只选择CUDA，其他两项不进行选择。之后点击红色方框内的下一步以继续。
我们接下来更改一下安装位置，安装在D盘下。
安装路径分别为：
D:\NVIDIA\CUDA
D:\NVIDIA\CUDA
D:\NVIDIA\CUDA Samples
如下图所示：
之后点击②蓝色方框内的下一步。**注意：**在点击下一步前，必须关闭vs。
之后开始安装并等待。如下图所示。
等待安装完成。
点击关闭。
5、安装cuDNN支持包
1、下载cuDNN支持包
这里以cuDNN for CUDA 10.2支持包为例，如果CUDA版本不是10.2的用户，下载相应的cuDNN包
首先打开英伟达开发者网站下的，cuDNN支持包下载网站。（如若觉得去网站下载比较麻烦可以到此项内容最后处，有可以直接网盘下载for CUDA 10.2的包，给大家准备好）
https://developer.nvidia.com/cudnn
网站界面如下图
点击红色方框内的Download cuDNN按钮，显示以下页面
有NVIDIA账户的用户点击①红色框内的Login进行登录。
没有NVIDIA账户的用户点击②蓝色框内的Join now进行注册。
我们在这里只介绍登录的方式，对于NVIDIA账户的注册请移步：https://jingyan.baidu.com/article/7908e85c3cae87ef491ad24b.html
点击①红色框内的Login后，网页显示如下：
填写账户名与密码，之后点击红色方框内的Login，显示如下网页：
点击红色箭头指向的勾选框，显示如下界面
我们CUDA安装的是10.2版本，我们在这里选择红色框内的for CUDA 10.2之后显示网页：
因为我们以WIN10系统为例，所以点击①红色方框内链接进行下载。WIN7用户请点击②蓝色框内链接进行下载。同样大家可以参考CUDA的下载方法使用迅雷进行下载。
当然也为大家准备好了现成 for CUDA 10.2 的包直接下载
注意是for CUDA 10.2
Win10用户安装 **cuda_10.2.89_441.22_win10.exe**
链接：https://pan.baidu.com/s/12ZGiFl9Er2-INJOAXQZqPQ
提取码：7p1k Win7用户安装 **cuda_10.2.89_441.22_windows.exe**
链接：https://pan.baidu.com/s/1eUmnYm4-UzdSB7syTqvKDQ
提取码：m7xc
2、安装cuDNN支持包
①、解压cuDNN支持包，得到三个文件夹和一个TXT文档。
②、将解压后的文件复制到安装路径下D:\NVIDIA\CUDA下。
注意：解压到自己的 CUDA 安装路径下。
之后会显示是否合并文件夹，选择①红色方框内的为所有项目执行操作，之后，点击②蓝色方框内的是按钮。
完成cuDNN支持包的安装
6、配置环境变量
1、设置环境变量
计算机上点右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V8_0两个环境变量，接下来，还要在系统中添加以下几个环境变量：
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0(这是默认安装位置的路径，经自定义路径后，我的路径为D:\NVIDIA\CUDA Samples)
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
2、设置系统变量
①在系统变量 PATH 的末尾添加：
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
②再添加如下4条
（如果选择默认安装路径）：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64；
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\lib\x64；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64；
（我安装在D盘需要输入的路径）：
D:\NVIDIA\CUDA\lib\x64；
D:\NVIDIA\CUDA\bin；
D:\NVIDIA\CUDA Samples\common\lib\x64；
D:\NVIDIA\CUDA Samples\bin\win64；
3、配置情况
如下为我的环境变量和PATH的配置情况：
环境变量：
PATH：
3、验证Halcon安装
以上所有软件安装完成后，重启电脑。否则可能显示激活不成功。
双击halcon2019图标开启软件。
如果能顺利打开软件，表示软件安装与激活成功。如下图所示。
4、验证CUDA与cuDNN安装
点击键盘Win键+R键，打开运行界面
在运行里面输入“cmd” 之后点击确定。打开命令行界面
输入 cd+安装路径,点击回车，再输入nvcc -V则显示CUDA版本信息。
例如我的安装路径为D:\NVIDIA\CUDA
输入：cd D:\NVIDIA\CUDA回车
输入：nvcc -V回车
如运行后显示CUDA的版本等信息，即可认为安装成功。如下图所示
运行Halcon深度学习例程
首先为大家介绍Halcon深度学习例程的打开方式
1、双击桌面的halcon图标打开halcon2019
2、点击halcon2019任务栏中的Ex文件夹图标（如下图所示），打开示例程序窗口：
示例程序窗口：
3、点击示例程序中的 “方法” 以展开，如下图所示：
4、找到深度学习例程部分，如下图所示。
1、Halcon深度学习之分类
红框内是halcon深度学习用于分类例程的汇总目录，蓝色框内是halcon深度学习用于分类从训练到最后应用的例程。
halcon深度学习（分类）例程简介
1、classify_pill_defects_deep_learning_1_preprocess.hdev（数据集预处理）
2、classify_pill_defects_deep_learning_2_train.hdev（训练模型）
3、classify_pill_defects_deep_learning_3_evaluate.hdev（评估训练后的模型）
4、classify_pill_defects_deep_learning_4_infer.hdev（用于检测图像）
2、Halcon深度学习之目标检测
红框内是halcon深度学习用于目标检测例程的汇总目录，蓝色框内是halcon深度学习用于目标检测从训练到最后应用的例程。
halcon深度学习（目标检测）例程简介
1、detect_pills_deep_learning_1_prepare.hdev（）（数据集预处理）
2、detect_pills_deep_learning_2_train.hdev|（）（训练模型）
3、detect_pills_deep_learning_3_evaluate.hdev（）（评估训练后的模型）
4、detect_pills_deep_learning_4_infer.hdev（用于检测图像）
3、Halcon深度学习之语义分割
红框内是halcon深度学习用于语义分割例程的汇总目录，蓝色框内是halcon深度学习用于语义分割从训练到最后应用的例程。
halcon深度学习（语义分割）例程简介
1、segment_pill_defects_deep_learning_1_preprocess.hdev （数据集预处理）
2、segment_pill_defects_deep_learning_2_train.hdev（训练模型）
3、segment_pill_defects_deep_learning_3_evaluate.hdev（评估训练后的模型）
4、segment_pill_defects_deep_learning_4_infer.hdev （用于检测图像）
|
|
Halcon深度学习环境搭建（win下）全网最全教程相关推荐
- 保姆级教程——Ubuntu16.04 Server下深度学习环境搭建：安装CUDA8.0，cuDNN6.0，Bazel0.5.4，源码编译安装TensorFlow1.4.0(GPU版)...
写在前面 本文叙述了在Ubuntu16.04 Server下安装CUDA8.0,cuDNN6.0以及源码编译安装TensorFlow1.4.0(GPU版)的亲身经历,包括遇到的问题及解决办法,也有一些 ...
- win10下双硬盘做深度linux,win10+ubuntu18双硬盘双系统安装记录+深度学习环境搭建...
工作需要,在已经预装了Windows10的工作站,需要再安装ubuntu.因为工作站本身有两块硬盘,所以准备空出一个装ubuntu,这样两个系统互不干扰,不使用对方的硬盘空间.工作站装里有两块Nvid ...
- ubuntu22从双系统开始到深度学习环境搭建+必备软件安装
ubuntu从双系统开始到深度学习环境搭建及生活软件安装大合集!!! (一)本机环境 (二)双系统安装 1.前期了解 1.1.查看[BIOS](https://so.csdn.net/so/searc ...
- 深度学习环境搭建（从卸载CUDA到安装，以及Pytorch与torchvision的安装。你从未见过的全有版本）
深度学习环境搭建(从卸载CUDA到安装,以及Pytorch与torchvision的安装.你从未见过的全有版本) 先来点头疼的:在深度学习的过程中,环境搭建是必须要经过的一个关卡,由于版本对应麻烦,很 ...
- win10系统的深度学习环境搭建以win10+rtx2060+tensorflow为例/K210的win10系统的深度学习环境搭建/有无显卡均可安装
win10系统的深度学习环境搭建以win10+rtx2060+tensorflow为例 K210的win10系统的深度学习环境搭建 有无显卡均可安装 一 软件准备 1.Anaconda3 软件介绍:A ...
- Miniconda3+PyTorch1.7.1(GPU版)+Win10_x64+GTX1060深度学习环境搭建
写在这里的初衷,一是备忘,二是希望得到高人指点,三是希望能遇到志同道合的朋友. 硬件信息: 系统:win10家庭中文版 CPU:i7-7700HQ 内存:16GB 显卡:GTX1060 目录 一.确定 ...
- 台式机Ubuntu系统安装Tesla系列显卡+深度学习环境搭建
1.前言 Tesla系列的显卡主要是作为计算显卡来使用的,常用在服务器.工作站等设备上,并不适用于普通台式机主板上.与常用的Nvidia显卡系列相比,其内部的电源供电结构.散热功能都是不一样的.因此要 ...
- Ubuntu16.04深度学习环境搭建
Ubuntu16.04深度学习环境搭建(anaconda3+cuda10.0+cudnn7.6+pytorch1.2) 文章目录 Ubuntu16.04深度学习环境搭建(anaconda3+cuda1 ...
- 深度学习双显卡配置_linux(manjaro) tensorflow2.1 conda cuda10 双显卡笔记本深度学习环境搭建...
linux(manjaro) tensorflow2.1 conda cuda10 双显卡笔记本深度学习环境搭建 下学期要学tensorflow,看着我可怜的1050ti,流下了贫穷的泪水,但无奈要做 ...
- 深度学习环境搭建之SFA3D目标检测
一.前言 由于公司项目支撑,近期需要做雷达图像的目标检测后融合.本篇博客详细介绍深度学习环境搭建,并跑通SFA3D.由于本机第一次搭建环境,这里先全部手动搭建,实际上在用Ananconda创建 ...
最新文章
- 考研计算机组成原电路知识,2021考研计算机大纲408计算机组成原理部分原文解析...
- 一图看懂学位服：学位帽、学位袍、流苏、垂布
- php怎么弄自动填充,ThinkPHP 自动填充(自动完成)详解及实例
- Oracle中rownum用法警示
- JavaScript基础学习--05自定义属性、索引值
- Nancy之从403到错误处理
- coc部落冲突关联错误101解决方案
- C#基础2：简单乘法表
- angular 强制更新视图_angular,vue,react数据双向绑定原理分析
- 【2019杭电多校第五场1005=HDU6628】permutation 1（全排列+预处理+思维）
- 装机吧盘点电脑自动重启的解决办法
- html按钮按下效果_按下微信这个按钮，手机秒变翻译神器！各国语言随便译，真好...
- JMeter下载安装以及使用教程
- 黑苹果 - 图形卡 显示器 7MB
- 如何将卫星影像按固定比例尺输出（1:5千,1:1万等）
- 如何在VirtualBox上安装和安装Windows Home Server“ Vail” Beta
- 抖音算法推荐机制详解
- Python作为移动客户端后台服务器
- 先验概率、后验概率、似然概率概念
- Windows+COLMAP三维重建教程【exe安装】