cuda

YOLO是You-Only-Look-Once的缩写，它无疑是根据COCO数据集训练的最好的对象检测器之一。YOLOv4是最新的迭代版本，它在准确性和性能之间进行了权衡，使其成为最先进的对象检测器之一。

记录配置mmpose出现的cuda报错 在Ubuntu环境下配置mmpose，按照mmpose工程下的install.md文件配置，创建虚拟环境， 1、conda create -n open-mm

前言 Jetson nano运行yolov3-tiny模型，在没有使用tensorRT优化加速的情况下，达不到实时检测识别的效果，比较卡顿。英伟达官方给出，使用了tensorRT优化加速

1、安装之前先进入官网查看自己的显卡能不能用，可以去https://developer.nvidia.com/cuda-gpus查看支持cuda的显卡， 也可以直接查看自己本电脑上显卡支持的cuda的最高版本 查看

python train.py --img 640 --batch 16 --epochs 5 --data coco128.yaml --weights yolov5s.pt把batchsize改小 python train.py --im

1、问题描述 我是编译pcdet的时候，执行命令python setup.py develop，出现了如下这样的问题： gcc -pthread -Wno-unused-result -Wsign-c

环境windows 10 64bitandroid studio 4.1.2yolov5 3.0pytorch 1.6cu101前言前文 在Android上运行YOLOv5目标检测 我们介绍过使用ncnn的方式在android设备上进行yolo

YOLOX环境的安装配置部署 旷世的最新作品，采用Anchor-free，效果所有yolo系列。本文主要记录该模型如何在C环境下进行部署。 采用的方案是TensorRT，一种NVIDIA提供的推理部

随笔-Ubuntu中多cuda版本环境配置 由于每个人做得任务不同，在实验室的服务器上，有多个用户和多个cuda版本，如何配置自己使用哪一个cuda呢？ 看一下cuda的安装路径 c

pypi setup.py 通过https://pypi.org/project/ 可以搜索模块并download files 查看其他人的模块如何构建的。 通过官方教程Packaging Python Projects以一个简单的例子介绍