Yolov5-6.0系列 | yolov5的模块设计
这篇笔记用来记录yolov5中的部分网络模块，主要是在common.py与experimental.py这两个部分中。其中设计一些轻量级网络的模块，我顺便了连原理也将一同介绍。此外，还设计其他任务的一些处理技巧，包括超分处理，SPPF设计，加权特征融合等方面。把common.py与experimental.py这两个部分我觉得巧妙与对我吸引的地方都归纳在这里。
一文教会你使用强大的ClickHouse物化视图
在现实世界中，数据不仅需要存储，还需要处理。处理通常在应用程序端完成。但是，有些关键的处理点可以转移到ClickHouse，以提高数据的性能和可管理性。ClickHouse中最强大的工具之一就是物化视图。在这篇文章中，我们将探秘物化视图以及它们如何完成加速查询以及数据转换、过滤和路由等任务。
如果您想了解更多关于物化视图的信息，我们后续会提供一个免费的培训课程。
Linux怎样更新Centos下Gcc版本支持C++17？
Centos7快速安装gcc8.3.1 可支持C++17（附gcc相关链接整理）
centos7直接yum安装的那个gcc版本为4.8.5，对于大多数的需求来说都是低了。系统安装镜像里的那个版本也是4.8.5。 在g++ 7 以上的版本中添加了对c++17 的支持，所以为了工作需要现在需要升级到高版本。
ClickHouse 如何实现数据一致性
本文探讨了在 ClickHouse 中实现数据一致性的方法，主要关注 `ReplacingMergeTree` 引擎。该引擎允许更新已有数据，通过定期合并操作删除重复并保持最终一致性。然而，由于合并时间不可预测，单纯依赖此引擎无法确保实时一致性。为解决此问题，文章提出了四种策略：1）手动触发合并，但不建议频繁使用；2）使用 `FINAL` 查询，但在查询时合并数据，效率较低；3）通过标记和 `GroupBy` 查询实现一致性；4）在允许一定偏差的情况下，直接使用 `ReplacingMergeTree` 保持最终一致性。在实践中，推荐结合标记列和 `GroupBy` 以保证数据一致性。