Windows Bat脚本Sleep, loop, if/else

最新推荐文章于 2026-06-22 16:53:26 发布
原创 最新推荐文章于 2026-06-22 16:53:26 发布 · 5.2k 阅读 · 2 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
标签
#windows #脚本 #Sleep
本文介绍了一套用于Android设备的屏幕开关脚本，通过Batch脚本实现对Android设备屏幕的自动开启与关闭操作，适用于自动化测试等场景。

对Android设备进行反复亮屏/灭屏脚本


ScreenOnOff.bat: 

@echo off
echo 请插入您的手机
adb wait-for-device

::for /L %%i in (1,1,3) do adb shell input keyevent 26

set counter=0
set max=100
:loop
echo Open Screen
adb shell input keyevent 26
call Sleep.bat ms 5000 

echo Close Screen
adb shell input keyevent 26
call Sleep.bat ms 5000

if not %counter%==%max% goto loop

pause


Sleep.bat: 

@echo off
if "%1"=="ms" ( goto delay_ms) else ( goto delay_sec)

:delay_ms
echo delay %2 ms
echo Wscript.Sleep WScript.Arguments(0) >%tmp%\delay.vbs	
::echo %time%
cscript //b //nologo %tmp%\delay.vbs %2
::echo %time%
goto end

:delay_sec
echo delay %2 sec
ping 127.0.0.1 -n %2 1>nul


:end


全志T113-i开发板G2D硬件加速实战：YUV转RGB性能优化与对比
weixin_29165465的博客
03-14 222
本文通过在全志T113-i开发板上实战对比纯C语言、ARM NEON指令集和G2D硬件加速三种方案，深入解析了YUV转RGB的性能优化。重点展示了如何调用G2D硬件进行图像处理，实现高达4.6ms/帧的转换速度，并大幅降低CPU占用率至12%，为嵌入式多媒体应用提供了高效的硬件加速解决方案。
Cdroid驱动开发笔记1-全志T113 HAL——G2D
2301_80286481的博客
10-30 3124
函数通过检查硬件支持情况，选择使用软件或硬件加速的方式进行矩形填充操作。在硬件加速模式下，G2D 硬件通过命令执行快速填充，提升性能。
Cdroid驱动开发笔记2-全志T113 HAL——G2D性能调优与多图层合成
weixin_30627341的博客
04-16 309
本文深入探讨了全志T113平台G2D硬件加速的性能调优与多图层合成技术。通过分析G2D的Blit和FillRect操作，结合Cdroid框架的HAL层设计，提供了缓冲区对齐优化、命令批处理等关键技巧，实测显示硬件加速可提升3-5倍性能。文章还分享了多图层分级策略和合成流水线优化经验，助力开发者实现高效嵌入式UI渲染。
G2D图像处理硬件调用和测试-基于米尔-全志T113-i开发板
Jason_zhao_MR的博客
04-12 1883
本篇测评由电子工程世界的优秀测评者“jf_99374259”提供。本文将介绍基于米尔电子的G2D图像处理硬件调用和测试。真正的国产核心板，100%国产物料认证国产T113-i处理器配备2*Cortex-A7@1.2GHz ，RISC-V外置DDR3接口、支持视频编解码器、HiFi4 DSP接口丰富：视频采集接口、显示器接口、USB2.0 接口、CAN 接口、千兆以太网接口工业级：-40℃~+85℃、尺寸37mm*39mm邮票孔+LGA，140+50PIN。
全志T113-i开发板G2D硬件加速实战：YUV转RGB性能优化与工业级应用解析
weixin_33681778的博客
04-15 310
本文深入解析全志T113-i开发板G2D硬件加速在YUV转RGB性能优化中的工业级应用。通过对比传统C语言、ARM NEON指令集和G2D硬件加速三种方案，展示G2D如何实现10倍性能提升，CPU占用率从50%降至12%。文章还详细探讨了工业应用中的内存管理优化、多线程流水线设计及色彩准确性调试技巧，为开发者提供实战指导。
米尔MYD-YT113i开发板图像处理全流程：从ARM NEON到G2D硬件加速
weixin_42520909的博客
04-16 386
本文详细解析了米尔MYD-YT113i开发板在全志T113-i处理器上的图像处理全流程，从ARM NEON指令集优化到G2D硬件加速的完整实现。通过性能对比和实战案例，展示了如何利用G2D引擎显著提升图像处理效率，降低CPU占用，适用于工业视觉、边缘计算等嵌入式场景。
米尔MYD-YT113i开发板图像处理全流程：从环境搭建到G2D硬件调用
weixin_30664051的博客
03-30 356
本文详细介绍了在米尔MYD-YT113i开发板上利用G2D硬件加速实现YUV到RGB高效转换的全流程。从全志T113-i的G2D硬件架构解析到开发环境搭建，再到DMA内存管理和实际代码实现，全面展示了如何通过硬件加速大幅提升嵌入式图像处理性能，降低CPU占用率。
CANN昇腾计算机视觉算子库ops-cv的图像处理流水线与目标检测预处理NPU加速实战：从图像解码到推理前处理全链路优化解析与工程落地
jin123322的博客
06-22 300
在构建计算机视觉推理系统时，预处理环节往往成为制约整体吞吐量的隐形瓶颈。CANN作为昇腾AI处理器的软件栈核心，提供了丰富的算子库来支持各类AI应用开发。昇腾NPU凭借其专用的向量计算单元和图像加速引擎，为计算机视觉任务提供了区别于通用CPU的并行处理能力。ops-cv仓库正是基于这一能力构建的计算机视觉算子库，聚焦于图像预处理和目标检测前处理场景，将传统上依赖CPU串行执行的解码、缩放、裁剪、归一化等操作卸载到NPU执行。
从发票矫正到特征提取：OpenCV 图像处理实战详解
2401_88566519的博客
06-22 581
需要注意，如果光照极不均匀，全局阈值仍可能丢失细节，此时可改用自适应阈值，但在该方案中选择了闭运算补全文字，开运算去噪，兼顾全局与局部特征。该算法用较少的顶点来近似曲线，如果轮廓是四边形，逼近后应该得到 4 个点，代表发票的四个角。输入的四个点可能是任意顺序的（例如左上、右上、右下、左下），但我们需要固定的顺序：左上、右上、右下、左下（顺时针）。是原始图像的副本，用于最终的透视变换，因为此时我们得到的发票轮廓坐标是在缩小后的图像上计算的，需要乘以。计算每个轮廓的面积，并按面积降序排序，取出面积最大的轮廓。
YOLO算法工业车间机器人目标检测数据集-624张-标注类别为包装-仓储-分料盒-干躁-混料-混料机-基础-基础设备-捏合设备-皮带线-切割-切割设备-机器人-烧成-原料-中控.zip
06-27
【注：该页面底部资源详情处，可查看数据集可视化效果】 1. YOLO目标检测数据集， 适用于YOLOV5、yolov7,yolov8, yolov11, yolov13, yolo26等系列算法，含标签，已标注好，可以直接用来训练，包含YOLO格式标签和VOC格式标签； 2. 内置data.yaml数据集配置文件，已经划分好了训练集、验证集等； 3. 数据集和模型具体情况可参考 https://blog.csdn.net/zhiqingAI/article/details/124230743?spm=1001.2014.3001.5502
目标跟踪与多传感器融合技术探讨[代码]
06-27
本文主要探讨了目标跟踪、多传感器融合及非线性滤波等领域的算法与技术。博主擅长提供代码复现、技术支持及学术探讨，并欢迎通过私信或微信联系。在估计、滤波与融合方面，涵盖了多种线性与非线性滤波算法，如卡尔曼滤波（KF）、扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）、中心差分滤波（CDKF）、强跟踪滤波（STF）、容积卡尔曼滤波（CKF）、求积卡尔曼滤波（QKF）、高斯近似滤波（GAF）、高斯混合滤波（GMF）及粒子滤波（PF）等。多传感器融合方面包括集中式、分布式、序贯及联邦卡尔曼滤波等方法。参数估计算法涉及最大似然（ML）、最小二乘（LS）、最大后验（MAP）及最小均方误差（MMSE）。目标跟踪方面，涵盖了基于不同滤波算法和运动模型（如CV、CA、CT、Singer、CS、Jerk等）的机动与非机动目标跟踪，以及基于不同传感器（如雷达、声纳、AOA、TOA、TDOA等）的跟踪方法。此外，还涉及IMM、广义伪贝叶斯等组合算法，以及二维组网雷达三维跟踪、抗野值跟踪、实时显示等具体问题。
MySQL远程连接错误解决[项目源码]
06-27
YOLO算法家庭厨房嵌入式烤箱目标检测数据集-1092张-标注类别为烤箱.zip
06-27
【注：该页面底部资源详情处，可查看数据集可视化效果】 1. YOLO目标检测数据集， 适用于YOLOV5、yolov7,yolov8,v9, yolov11, yolov13, yolo26等系列算法，含标签，已标注好，可以直接用来训练； 2. 内置data.yaml数据集配置文件，已经划分好了训练集、验证集等； 3. 数据集和模型具体情况可参考 https://blog.csdn.net/zhiqingAI/article/details/124230743?spm=1001.2014.3001.5502
YOLO算法室内居家环境跌倒目标检测数据集-364张-标注类别为跌倒-未跌倒.zip
06-27
【注：该页面底部资源详情处，可查看数据集可视化效果】 1. YOLO目标检测数据集， 适用于YOLOV5、yolov7,yolov8,v9, yolov11, yolov13, yolo26等系列算法，含标签，已标注好，可以直接用来训练； 2. 内置data.yaml数据集配置文件，已经划分好了训练集、验证集等； 3. 数据集和模型具体情况可参考 https://blog.csdn.net/zhiqingAI/article/details/124230743?spm=1001.2014.3001.5502
酒店管理系统（含部署教程）
最新发布
06-27
酒店管理系统（含部署教程）
Win10下MySQL root密码重置方法[可运行源码]
06-27
本文详细介绍了在Windows 10系统下，当MySQL的root用户密码忘记时的解决方案。首先，通过快捷键Win+R打开运行窗口，输入services.msc进入服务管理界面，找到MySQL服务并将其停止。接着，找到MySQL的安装目录，定位到配置文件（通常是my.ini或my-default.ini），记录其路径。然后，打开命令提示符窗口，执行命令：mysqld --defaults-file="配置文件路径" --console --skip-grant-tables，以跳过权限验证方式启动MySQL服务。之后，另开一个命令行窗口，输入mysql -u root -p直接进入MySQL命令行界面，无需密码。最后，在MySQL命令行中依次执行show database;、use mysql;、update user set password=password("新密码") where user="root";，即可成功更新root用户的密码，解决忘记密码的问题。
stm32单片机项目资料课程设计文档C语言程序代码原理图电路PCB实例传感器控制继电器模块DXP资料
06-27
stm32单片机项目资料课程设计文档C语言程序代码原理图电路PCB实例传感器控制继电器模块DXP资料
【风电功率预测】【多变量输入单步预测】基于CNN-BiGRU-Attention的风电功率预测研究（Matlab代码实现）
06-27
内容概要：本文研究了基于CNN-BiGRU-Attention混合神经网络模型的风电功率预测方法，旨在提升风力发电功率预测的准确性。该模型融合卷积神经网络（CNN）以提取输入变量中的局部时空特征，结合双向门控循环单元（BiGRU）充分捕捉时间序列前后向的长期依赖关系，并引入注意力机制（Attention）动态加权关键时间步的特征信息，增强模型对重要时刻的敏感度。研究采用多变量输入进行单步预测，综合纳入风速、风向、温度等多种气象因素作为模型输入，全面反映环境变量对风电输出的影响。通过Matlab平台完成模型构建、训练与仿真验证，实验结果表明该混合模型在预测精度与稳定性方面优于传统单一模型，有效提升了风电功率预测性能。; 适合人群：具备一定机器学习与深度学习理论基础，熟悉Matlab编程环境，从事新能源发电预测、电力系统调度、智能算法应用等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标：①应用于风电场实际运行中的短期功率预测，提高电网调度的安全性与可再生能源消纳效率；②为深度学习模型在复杂时序预测任务中的设计与优化提供实践范例，推动AI技术在能源系统智能化中的深度融合；③支持学术研究复现、课程项目设计与教学演示，帮助深入理解CNN、BiGRU与Attention机制的协同建模范式与实现细节。; 阅读建议：建议结合提供的Matlab代码进行动手实践，重点关注数据预处理流程、模型网络结构设计、超参数调优及训练收敛过程，鼓励尝试替换输入变量组合、调整网络层数或优化注意力结构，以进一步探究模型性能边界并提升预测鲁棒性。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值