1.【CANN训练营笔记】Atlas 200I DK A2体验手写数字识别模型训练&推理
2.盘点8个地图开发的码解开源项目，yyds！码解
3.华为Atlas 200DK环境搭建&推理测试
4.Atlas系列-编译部署-Atlas2.1.0独立部署
5.UE5.1卡通渲染管线修改 学习笔记（改源码版）
6.apache atlas独立部署（hadoop、码解hive、码解kafka、码解hbase、码解商会程序源码购买solr、码解zookeeper）
【CANN训练营笔记】Atlas 200I DK A2体验手写数字识别模型训练&推理
在本次CANN训练营中，码解我们对华为Atals I DK A2开发板进行了详细的码解探索，该板子配备有4GB内存和Ascend B4 NPU，码解运行的码解是CANN 7.0环境。
首先，码解为了顺利进行开发，码解我们需要下载预编译的码解torch_npu，并安装PyTorch 2.1.0和torchvision 0..0。码解接着，配置环境变量，确保系统可以识别所需的库和文件。Ubuntu系统和欧拉系统下的安装步骤有所不同，例如，需要将opencv的头文件链接到系统默认路径。
对于ACLLite库，我们采取源码安装方式，确保动态库的识别，并在LD.so.conf.d下添加ffmpeg.conf配置。同时，设置ffmpeg的安装路径和环境变量。接着，克隆ACLLite代码仓库并安装必要的springboot zk注册源码依赖。
进入模型训练阶段，我们调整环境变量来减少算子编译时的内存占用，然后运行训练脚本来启动训练过程。在训练结束后，我们生成了mnist.pt模型，并将其转换为mnist.onnx模型，以便进行在线推理。
在线推理阶段，我们使用训练得到的模型对测试进行识别。测试展示了一次实际的推理过程，其结果直观地展示了模型的性能。
对于离线推理，我们从PyTorch框架导入ResNet模型，并转换为升腾AI处理器能识别的格式。提供了下载模型和转换命令，只需简单拷贝执行。将在线推理的mnist.onnx模型复制到model目录后，我们配置AIPP，进行模型转换，然后编译样例源码并运行，得到最终的推理结果。
盘点8个地图开发的开源项目，yyds！
地图开发领域中，开源项目提供了丰富的资源和工具，以下是一些具有代表性的项目，它们在不同方面展现出其独特价值。 Historical-Atlas 这个项目以其直接的apk导出原源码命名“历史地图集”吸引了众多关注，作者采用的AGPL-3.0开源协议使得它不仅适合作为参考设计思路或在线服务提供，也鼓励其作为软件产品对外分发时保持开源状态。项目中存在一些遗留问题，如数据库配置和用户信息存储的实现，但通过对照源码，还原表结构并不困难。 vue3-ts-cesium-map-show 由地虎降天龙开发的这个项目，采用MIT开源许可协议，是一个专注于三维可视化数字城市应用，结合Cesium-1.开源库，提供后台可视化编辑与保存功能。 QGIS 作为开源地理信息系统，QGIS支持Windows、Linux、MacOS，拥有强大的地理空间管理与分析能力，包括时间动画、3D地图预览和地图美化等特性，使用户能够生成美观的地图。 react-baidu-map 由uiw开发的react-baidu-map项目，基于React封装了百度地图组件，简化了将地图集成到React项目的过程，使开发者能够快速接入地图功能。 Maptalks Maptalks是一个HTML5地图引擎，基于原生ES6 Javascript开发，提供二三维一体化地图能力，通过二维地图旋转、倾斜增加三维视角，emlong博客源码并支持插件化设计。 QuickEarth-Free QuickEarth（QE）是一个面向个人免费开放的二三维一体化Web端矢量和栅格数据渲染引擎，适用于气象、海洋、水文、环境等领域，帮助用户实现数据可视化。 地图下载器 使用Java开发的地图瓦片图下载工具，支持多种地图服务，如OpenStreetMap、天地图、谷歌地图等，提供XYZ瓦片图下载与合并功能，方便用户获取地图数据。 L7 L7是蚂蚁金服AntV推出的一款基于WebGL的开源大规模地理空间数据可视分析框架，专注于数据可视化表达，通过多种视觉变量设置实现信息的有效呈现，满足地图图表、BI系统可视化分析、GIS等领域的需求。 xdh-map xdh-map是一款基于Openlayers的地图应用Vue组件，内置多种地图瓦片，并支持与多个PGIS厂商对接，提供丰富的组件，如文本、图形、热力图等，以及与ECharts结合实现基于地理位置的小猪跑腿app源码图表，满足项目常见需求。 这些开源项目在地图开发领域中各具特色，为开发者提供了丰富的选择和强大的技术支持。华为Atlas DK环境搭建&推理测试
引子
华为Atlas DK，一款边端推理芯片，本文将带你了解如何搭建其开发环境并进行推理测试。
一、环境搭建
1.1 物理硬件准备
需要一台x架构的Linux PC机、USB连接线、网线、内存不低于GB的SD卡与SD卡读卡器。
1.2 软件准备
需从网络自行下载1.0.版本的固件驱动，官网提供的最低驱动版本为1.0.，但该版本不兼容设备。
1.3 刻录开发板系统
将SD卡插入读卡器，安装相关软件包，创建制卡工作目录，上传操作系统与驱动包，使用脚本制卡。
1.4 网络配置
安装USB网卡驱动，配置USB与NIC网卡IP，通过SSH登录设备并调整网络设置。
1.5 安装CANN
确保CANN版本与固件驱动版本一致，从网络下载对应的CANN版本，卸载不符合版本的Python，安装CANN。
二、项目演示：基于Resnet的分类应用
获取源码包并安装依赖，如opencv与numpy。进行样例输入准备与模型转换。使用ATC进行模型转换。
设置环境变量，执行运行脚本。展示样例结果，包括置信度TOP5的类别标识、置信度信息和对应类别信息。
Atlas系列-编译部署-Atlas2.1.0独立部署
本文将为您详细介绍如何独立部署 Atlas 2.1.0 版本，依赖组件包括 solr、hbase、zookeeper、hive、hadoop、kafka。我们将采用 Docker 容器与 Linux 环境进行部署。如果您在 Atlas 的编译部署过程中遇到问题，本指南将提供解决方案。
部署流程如下：
部署环境
1. Linux 环境：若无 Linux 环境，可通过 Docker 构建。如已安装 Linux，推荐使用 CentOS 镜像，本文作者最初在 Windows 环境下进行部署，并制作了一个 CentOS 镜像。构建步骤如下：
1. 拉取镜像
2. 运行容器
2. Zookeeper 环境搭建：使用 Docker 方式搭建 Zookeeper，配置步骤包括：
1. 拉取 Docker 镜像
2. 运行容器
3. Hadoop 环境搭建：同样采用 Docker 方式搭建 Hadoop，步骤如下：
1. 拉取镜像
2. 建立 Hadoop 用的内部网络
3. 创建并启动 Master 容器，映射端口，如 端口用于 Hiveserver2，以便后续客户端通过 beeline 连接 Hive
4. 创建 Slave 容器
5. 修改 hosts 文件，将 Master 和 Slave 的 IP 地址映射到容器内部
6. 启动 Hadoop，格式化 HDFS，并启动全部服务
7. 访问 Web 查看服务状态，如 hdfs: localhost: 和 yarn: localhost:
4. 部署 Hive：由于 Hive 镜像与 Hadoop 镜像整合，使用已启动的 Hadoop 镜像进行部署：
1. 进入 Master 容器
2. 修改配置文件，添加相关环境变量
3. 执行源命令生效
4. 完成数据库配置，确保与 Hive 配置文件中的分隔符一致，并关闭 SSL 验证
5. 上传 MySQL 驱动到 Hive 的 lib 目录，调整 jar 包配置，确保 slf4j 和 guava 包版本一致
6. 初始化元数据库，完成 Hive 的安装与启动
7. 修改 Hadoop 权限配置
8. 启动 Hiveserver2
9. Hbase 搭建：由于使用 Docker 遇到问题，改为在容器外搭建 Hbase 环境。步骤包括：
1. 拉取容器
2. 创建并运行容器
3. 进入容器
4. 修改 Hbase 配置
5. 启动 Hbase
6. 访问 Web 界面地址 localhost:
. Solr 搭建：使用 Docker 方式搭建 Solr，步骤如下：
1. 拉取镜像
2. 运行容器
3. 创建 collection
4. 访问 Web 界面地址 localhost:
. Atlas 独立部署：Atlas 2.1.0 版本独立部署依赖外部组件，不同于集成部署。步骤包括：
1. 从 Apache Atlas 下载源码，如 apache-atlas-2.1.0-server.tar.gz
2. 使用 Docker 镜像环境进行编译，选择之前构建的基础环境
3. 将源码复制到容器内
4. 修改 pom.xml 文件以适应环境依赖
5. 执行编译命令
6. 解压 /distro/target/apache-atlas-2.1.0-bin.tar.gz 文件
7. 进入 bin 目录，启动应用
至此，Atlas 2.1.0 版本独立部署完成，可访问 localhost: 查看部署结果。
UE5.1卡通渲染管线修改 学习笔记（改源码版）
UE5.1的卡通渲染管线修改笔记
起始于提升MMD制作质量的需求，从C4D的octane到Blender的Eevee和Cycle，再到现在的UE5，探索了各种卡渲方法，包括后处理和自发光。现在转向直接修改源码，回顾过去发现自己的学习路径混乱，缺乏记录，因此决定补写这篇学习笔记，以供参考。
在探索过程中，我借鉴了前辈们在卡通渲染领域的成果，通过预加载ToonShaderShadowAtlas和ToonShaderSpecularAtlas两个曲线图谱，以及相应的Sampler和高度参数。添加ShadingModel时，我选择了Toon、ToonSSP和ToonSDF，涉及了阴影重映射、高光重映射，以及整体阴影着色的优化。
对于KajiyaKai高光，我利用Anisotropy作为输入，并通过一个参数控制是否启用。SDF阴影着色方面，尝试将算法内置Shader以解决现有问题，尽管初期尝试受限。扩展GBuffer以适应新增ShadingModel的需求，特别关注了ToonData的处理。
在Material文件夹中，我创建了MaterialExpressionToonShaderCustomOutput，结合ToonCurve选择、环境反射、SDF输入等功能，实现了定制化的输出。同时，我还注意到了Lumen修正和BackFace方案的选用。
UE5.1版本中，修改CreateToonOutLinePassProcessor是关键步骤，以处理超过个Pass的问题。尽管扩展ShadingModel上限的方案暂未使用，但已做了相关笔记，涉及GBufferInfo、ShaderGenerationUtil和EngineType的改动。
总结来说，本文记录了从理论学习到实践应用的UE5.1卡通渲染管线修改过程，供后来者参考和学习。
apache atlas独立部署（hadoop、hive、kafka、hbase、solr、zookeeper）
在CentOS 7虚拟机（IP: ...）上部署Apache Atlas，独立运行时需要以下步骤：Apache Atlas 独立部署（集成Hadoop、Hive、Kafka、HBase、Solr、Zookeeper）
**前提环境**：Java 1.8、Hadoop-2.7.4、JDBC驱动、Zookeeper（用于Atlas的HBase和Solr）一、Hadoop 安装
设置主机名为 master
关闭防火墙
设置免密码登录
解压Hadoop-2.7.4
安装JDK
查看Hadoop版本
配置Hadoop环境
格式化HDFS（确保路径存在）
设置环境变量
生成SSH密钥并配置免密码登录
启动Hadoop服务
访问Hadoop集群
二、Hive 安装
解压Hive
配置环境变量
验证Hive版本
复制MySQL驱动至hive/lib
创建MySQL数据库并执行命令
执行Hive命令
检查已创建的数据库
三、Kafka 伪分布式安装
安装并启动Kafka
测试Kafka（使用kafka-console-producer.sh与kafka-console-consumer.sh）
配置多个Kafka server属性文件
四、HBase 安装与配置
解压HBase
配置环境变量
修改配置文件
启动HBase
访问HBase界面
解决配置问题（如JDK版本兼容、ZooKeeper集成）
五、Solr 集群安装
解压Solr
启动并测试Solr
配置ZooKeeper与SOLR_PORT
创建Solr collection
六、Apache Atlas 独立部署
编译Apache Atlas源码，选择独立部署版本
不使用内置的HBase和Solr
编译完成后，使用集成的Solr到Apache Atlas
修改配置文件以指向正确的存储位置
七、Apache Atlas 独立部署问题解决
确保HBase配置文件位置正确
解决启动时的JanusGraph和HBase异常
确保Solr集群配置正确
部署完成后，Apache Atlas将独立运行，与Hadoop、Hive、Kafka、HBase、Solr和Zookeeper集成，提供数据湖和元数据管理功能。