TinyPy口译员 关于 TinyPy是我作为课程编写的Python小子集的解释器。 安装 该项目使用ANTLR4作为解析器生成器。 要运行解释器，您将需要安装ANTLR4 Python3运行时和ANTLR本身。 请注意，4.5.2运行时存在。 在撰写本文时，pypi具有较旧的版本，因此建议手动安装ANTLR4运行时。 分步说明： 安装 安装ANTLR4 Python3运行时： git clone https://github.com/antlr/antlr4 cd antlr4/runtime/Python3 python3 setup.py install 也可以使用pip，包名称为antlr4-python3-runtime 。 请注意上述错误。 产生解析器 cd tiny-py-interpreter/tinypy antlr4 -visitor parser/TinyPy.g4 安装tinypy： pip3 install . 尝试启动一些测试： python3 setup.py test

仅标头C ++小型glTF库（加载器/保存器）。 TinyGLTF是仅C ++ 11 glTF 2.0 库的标头。 TinyGLTF使用Niels Lohmann的json库（ ），因此现在它需要C ++ 11编译器。 如果您正在寻找旧的C ++ 03版本，请使用devel-picojson分支（但不再进行维护）。 状态 v2.4.0实验性RapidJSON支持。 实验性C ++ 14支持（C ++ 14可能会提供更好的性能） v2.3.0根据glTF 2.0模式修改了材质表示（并引入了TextureInfo类） v2.2.0版本（支持加载16位PNG。稀疏访问器支持） v2.1.0版本（Draco支持） v2.0.0版本（2018年8月22日）！ 分行 sajson ：使用sajson解析JSON。 仅解析但编译时间更快（与json.hpp和RapidJson相比减少了2倍） 建物 产品特点 用可移植的C ++编写。 仅具有STL依赖关系的C ++-11。 macOS +铛声（LLVM） iOS + lang Linux + gcc /铛 Windows + M

同学们，我是在上编译原理课，老师布置的作业，自己改进了一个编译器。是用c语言实现的tiny编译器

c# 通过emgucv调用gpu推理yolov7和yolov7-tiny，darknet版本。

c#运用emgucv4.6.0版本调用gpu推理yolov7，darknet版本。RTX2060显卡推理yolov7-tiny总耗时是6ms，推理yolov7总耗时26ms。注意不是pytorch。

bytetrack多目标跟踪模型，对mot17数据集训练的tiny权重

qt写的开发板服务器端实现读取AD值，使用代码要交叉编译才能到开发板运行，开发板系统是linux，注意开发板是tinymini210 ，安卓写的客户端和C#写的电脑客户端实现接受数据和绘制图，并控制led灯

社团发现代码 matlab 小障碍发现 冯雪创作 "" 的官方 Matlab 实现，ICRA 2019 介绍 该存储库包含“用于微小障碍物发现的新型多层框架”的官方 Matlab 实现。 这篇论文已被 IEEE 机器人与自动化国际会议 (ICRA) 2019 接受。 Python/ROS 的官方实现即将推出。 注：此版本在原作的基础上略有改进，主要包括以下几点： 训练代码略有改动，ROC 性能有所提升。 为了提高效率，基本边缘检测算法使用结构化边缘检测[1]。 系统中的模块在很大程度上得到了加速，尽管仍有很大的改进空间。 为了与社区中的其他工作保持一致，在实例级评估中，IoU 被定义为预测提议和真实边界框之间的交集，可以在./evaluation/Func_evaluation_DR.m找到 引文 如果你觉得这篇论文或代码有用，请引用我们的论文： @INPROCEEDINGS{Xue_ICRA_2019, Author = {Feng Xue, Anlong Ming, Menghan Zhou and Yu Zhou}, booktitle={2019 International C

因darknet框架下的模型训练，相对pytorch框架训练成本低，且作者也提供了darknet框架下的配置文件和预训练模型，本人也在评估darknet框架下的v7-tiny模型，再次将AlexeyAB大佬开源的模型和配置文件上传，给自己做一个备份。

CSDN-tiny YOLO v3做缺陷检测实战。九月份用tiny-yolo v3做了一个缺陷检测的实验，效果出乎意料，准确率和召回率“满分”！