Netoray上网行为管理系统快速入门指南

版权申诉
0 下载量 44 浏览量 更新于2024-08-30 收藏 26KB DOC 举报
Netoray上网行为管理系统快速入门 Netoray上网行为管理系统是莱克斯信息技术(北京)有限公司开发的一款上网行为管理系统,旨在帮助用户快速了解和掌握该系统的使用和配置。下面是对该系统的详细介绍和知识点总结: 一、系统硬件特性 * 正面板接口简图:包括电源指示灯、以太网接口EXT1、以太网接口EXT0、以太网LAN接口、以太网WAN接口、复位键、硬盘指示灯、console配置线接口等。 * 背面板接口简图:包括电源接口、电源开关、USB接口等。 二、系统登录和配置 * 系统默认管理接口为eth0口,默认管理地址为192.168.5.254。 * 系统默认用户名为admin,密码为123456。 * 配置步骤:修改计算机的IP地址与默认地址在同一个网段,使用一根普通网线连接网关正面板的eth0口,打开浏览器,在地址栏中输入https://192.168.5.254,输入用户名和密码后登录系统。 三、安装注意事项 * Netoray上网行为管理系统只在室内使用,请将设备放置于干燥通风处。 * 设备的接口电缆要求在室内走线,禁止户外走线,以防止因雷电产生的过电压、过电流损坏网关信号。 * 请不要将设备放在不稳定的箱子或桌子上,一旦跌落,会对设备造成损害;建议将设备放置在机架上。 * 在设备周围应预留足够空间(大于10cm),以便于设备正常散热。 * 请使用随机产品附带的电源线,慎重使用其它非配套产品。电网的电压必须满足专用电源适配器的输入电压范围。 四、技术支持 * 技术支持热线电话:8610-62970100 * 网址:http://www.lyx-solutions.com 五、知识点总结 * Netoray上网行为管理系统的硬件特性和安装注意事项。 * 系统登录和配置的步骤和注意事项。 * 技术支持的方式和联系信息。 * 系统的使用和配置的基本知识点。 Netoray上网行为管理系统快速入门文档为用户提供了详细的使用和配置指南,帮助用户快速掌握该系统的使用和配置。
2024-10-10 上传
【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。