(繼續閱讀...)

me1237guy 發表在 痞客邦 留言(0) 人氣()

PCIE-1730

32通道TTL和32通道隔離式數位輸入/輸出 PCIE卡

• 32通道隔離DI/O（16通道數位輸入，16通道數位輸出）
• 32通道TTL DI/O（16通道數位輸入，16通道數位輸出）
• 高輸出驅動能力
• 中斷處理能力
• 2個20針插頭用於隔離DI/O通道和2個用於TTL DI/O通道
• D型連接器用於隔離輸入和輸出通道
• 輸出通道高電壓隔離（2,500 VDC）

安裝XNavi

C:\Advantech\DAQNavi\Examples

(繼續閱讀...)

文章標籤：

工業DI/DO卡

me1237guy 發表在 痞客邦 留言(0) 人氣()

PCIE-1245-AEStandard 4-Axis ARM-Based SoftMotion PCIE Card

• 編碼器輸入：5 MHz 用於連續/恆時直流、P/D、AB 模式;脈衝輸出：高達 5 MHz
• 支援記憶體緩衝區（10 K 點）用於軌跡規劃
• 支援點對點、線和 E 齒輪;支援硬體緊急輸入
• 圓形和螺旋插補（僅限PCIE-1245）
• 位置鎖存高達 10KHz 和記憶體緩衝器 1K 點（僅限 PCIE-1245）
• 位置比較觸發頻率高達 100 KHz，記憶體緩衝區高達 100 K 點（僅限 PCIE-1245）
• 1D&2D 平面位置補償（僅限PCIE-1245）
• 通過半閉環脈衝序列控制實現龍門模式（僅限PCIE-1245）
• 用於速度跟隨的動態 PWM 輸出（僅限 PCIE-1245）

安裝Advantech MotionNavi Driver and Utility_20220929

C:\Program Files (x86)\Advantech\MotionNavi

安裝Advantech AcmP SDK

(繼續閱讀...)

文章標籤：

運動軸卡

me1237guy 發表在 痞客邦 留言(0) 人氣()

me1237guy 發表在 痞客邦 留言(0) 人氣()

建立一個叫 huggingface 的 Conda 環境，Python 用 3.12：

condacreate-nhuggingfacepython=3.12-y

(繼續閱讀...)

me1237guy 發表在 痞客邦 留言(0) 人氣()

套件名稱叫 python-dotenv，但 import 時寫的是 dotenv。

>　pip install python-dotenv

這樣做的好處是不用把 API Key 直接寫在程式裡，例如避免：

api_key="sk-xxxxxxxx"

(繼續閱讀...)

文章標籤：

llm

me1237guy 發表在 痞客邦 留言(0) 人氣()

me1237guy@mincode:/mnt/c/Users/me123/python-llm-for-beginners-demo-code/basic-llm-demo$ python3 -m pip show python-dotenv

/usr/bin/python3: No module named pip

me1237guy@mincode:/mnt/c/Users/me123/python-llm-for-beginners-demo-code/basic-llm-demo$ sudo apt update
Get:1 http://archive.ubuntu.com/ubuntu resolute InRelease [136 kB]
Get:2 http://security.ubuntu.com/ubuntu resolute-security InRelease [137 kB]

(繼續閱讀...)

文章標籤：

openrouter

me1237guy 發表在 痞客邦 留言(0) 人氣()

安裝uv工具

> curl-LsSf https://astral.sh/uv/install.sh | sh

你可以到 OpenAI Platform 建立 API Key。

步驟如下：

(繼續閱讀...)

文章標籤：

OPENAI

me1237guy 發表在 痞客邦 留言(0) 人氣()

如何使用 WSL 在 Windows 上安裝 Linux

> wsl --install

> wsl --list --verbose Windows 子系統 Linux 版 沒有已安裝的發佈。

這表示 WSL 已啟用，但目前沒有安裝任何 Linux 發佈版，例如 Ubuntu、Debian 等。

(繼續閱讀...)

me1237guy 發表在 痞客邦 留言(0) 人氣()

它們只分擔「CPU 端的資料前處理」，完全不分擔「GPU 端的模型運算」。 forward / backward / 梯度更新永遠是主行程一個人在 GPU 上做，4 個 worker 做的是讀圖、做資料增強、把標註轉成 tensor 這些跟模型本身無關、但訓練前必須做的雜活。

為什麼要開「行程」而不是「執行緒」

讀圖、resize、mosaic/隨機增強這些工作是 CPU + 硬碟 I/O bound。如果用 Python 的 threading 來做，會被 GIL（全域解釋器鎖）卡住——同一時間還是只有一個執行緒在真正執行 Python bytecode，多執行緒在這種 CPU 密集工作上幾乎沒有平行效益。PyTorch 的 DataLoader 因此選擇用 multiprocessing：每個 worker 是一個完全獨立的作業系統行程，各自有自己的 Python 解釋器、自己的 GIL，才能真正利用到多核心 CPU 同時處理。

這也正是上次那個 bug 的根源：它們是獨立的 OS process，不是執行緒，所以主行程被 TerminateProcess 砍掉時，作業系統不會自動連帶砍掉它們。

任務怎麼分配——以 batch 為單位、輪流（round-robin）

(繼續閱讀...)

文章標籤：

物件偵測訓練

me1237guy 發表在 痞客邦 留言(0) 人氣()

C# Grabber Service

選取GrabberService專案按下滑鼠右鍵並選取管理NuGet套件

安裝Newtonsoft.Json套件

專案新增appsettings.json

選取GrabberService專案按下滑鼠右鍵並選取"加入"，接著選取"新增項目"

(繼續閱讀...)

me1237guy 發表在 痞客邦 留言(0) 人氣()

me1237guy 發表在 痞客邦 留言(0) 人氣()