当前位置: 首页 > news >正文

个人备案可以做盈利网站吗河南seo排名

个人备案可以做盈利网站吗,河南seo排名,外贸软件哪个好,上海工商核名查询系统官网前言 yolov8的广泛使用,拉取yolov8源码工程,然后配置环境后直接运行,初步验证自己数据的检测效果,在数据集准备OK的情况下 需要信手拈来,以保证开发过程的高效进行。 本篇博客更注意为了方便自己使用时参考。顺便也记录…

前言

yolov8的广泛使用,拉取yolov8源码工程,然后配置环境后直接运行,初步验证自己数据的检测效果,在数据集准备OK的情况下 需要信手拈来,以保证开发过程的高效进行。
本篇博客更注意为了方便自己使用时参考。顺便也记录下ubuntu下的一些简单的常用的操作。

1 ubuntu的相关命令

ubuntu关于账号的操作

  1. 添加删除用户
    sudo adduser XXX       ## 新增用户
    sudo userdel -r XXX    ## 删除用户# 更改用户主目录
    # sudo usermod -d /target_dir/ username
    # sudo chown -R username target_dir/  #将文件夹所有权给该用户# sudo useradd -r -m -s /bin/bash username (-r root)
    # sudo passwd XXXX
    # sudo userdel -r username
    # deluser USER --remove-home --remove-all-files
    
  2. 修改密码
    sudo passwd user
    
  3. 查看所有用户
    grep bash /etc/passwd
    
  4. 添加删除管理员权限
    sudo adduser username sudo
    sudo deluser username sudo
    

ubuntu下磁盘信息查看

  1. 查看硬盘容量
    df -h                              ## 查看硬盘容量
    du -h --max-depth=1         ## 查看当前路径文件夹大小
    
  2. 查看文件夹详细信息
    ls -l
    ls -al
    
  3. 统计文件夹中文件数量
    ls -l | grep "^-" | wc -l
    
  4. 查看显卡占用
    nvidia-smi           # 显示PID
    ps -f -p 26359     # 查询PID
    

2 安装Anaconda

官网上下载不流畅,清华镜像丝滑下载(官方通知不更新 但够使用),链接为
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/ mini版本,都能正常使用。

个人选择miniconda安装,下载【Miniconda3-4.7.12-Linux-x86_64.sh】

chmod +x Miniconda3*.sh
bash Miniconda3*.sh1 按 enter 键2 输入yes并enter3 选择路径:enter4 是否添加环境变量: yes5 是否安装Microsoft vs no就行(因为已经安装了vscode和qt,所以这里no就行)
source ~/.bashrc
conda list                   #显示自己已安装包
conda create -n env_name(自己写名字) python=3.7(版本号) # 创建虚拟环境
source activate env_name    #激活虚拟环境
deactivate                 # 退出虚拟环境
conda env list            # 查看已有虚拟环境
conda install# 安装包
conda remove ~         # 卸载包
conda update           # 更新

3 安装VScode

https://blog.csdn.net/magic_ll/article/details/119679279

4 YOLOV8的环境配置与运行

4.1 工程下载与环境配置

工程下载ultralytics 8.0.36。

conda create -n YOLOV8 python=3.8
conda activate YOLOV8
pip install ultralytics==8.0.36
pip list          ## 查看安装列表
## 剩余需要的库,正常安装即可

4.2 demo工程

# import sys
# sys.path.append("./")
from ultralytics import YOLO
# import onnxruntime as ort
import cv2
import os
import globdef demo():### predict===================================# 加载模型test_path = "https://ultralytics.com/images/bus.jpg"outpath = os.path.join(os.getcwd(), "runs/detect")# model = YOLO("yolov8n.yaml")  # 从头开始构建新模型model = YOLO("yolov8n.pt")  # 加载预训练模型(推荐用于训练)# Use the modelresults = model.train(data="coco128.yaml", epochs=3)  # 训练模型results = model.val()  # 在验证集上评估模型性能results = model(test_path)  # 预测图像results = model.predict(test_path, device=0,save=True,show=False,save_txt=True, imgsz=[640,640],save_conf=True, name=outpath, iou=0.5)  ## 预测图像 ## 这里的imgsz为高宽success = model.export(format="onnx")  # 将模型导出为 ONNX 格式demo()

可能报错:运行上述脚本,报错如下,原因是显卡驱动和cuda版本不匹配。
在这里插入图片描述
提高显卡驱动版本或降低pytorch版本即可。这里方便起见,降低pytorch版本与显卡驱动匹配即可。
此时pytorch版本为:torch2.3.0,torchvision0.18.0。重新安装版本torch2.1.1,torchvision0.16.1。


4.3 自己的工程训练

# import sys
# sys.path.append("./")
from ultralytics import YOLO
# import onnxruntime as ort
import cv2
import os
import globdef export_own():model_file = "./yolov8n.pt",print(model_file)model = YOLO(model_file)  # load a pretrained model (recommended for training)pt_path = model.model.pt_pathuse_model = os.path.basename(pt_path)## 通过修改pt_path,从而直接修改转换的onnx的名字,就可以导出不同输入尺寸的onnx模型# model.model.pt_path = pt_path.replace(use_model, f"{use_model[:-3]}_export{use_model[-3:]}")model.export(format='onnx', opset=11, simplify=True, dynamic=False, imgsz=[352,352])def train_own():model_path = "yolov8s.pt"# model_path = os.path.join(os.getcwd(), "runs/detect/yolov8_case23_epoch300/weights/epoch250.pt")savename = os.path.join(os.getcwd(), "runs/detect/yolov8_case24_epoch300")model = YOLO(model_path)  model.train(data="./dataYaml/Object_case19.yaml", device="4,5,6,7", imgsz=352, close_mosaic=50, epochs=300, batch=512, workers=16, save_period=10, name=savename, patience=300,# resume=True ## 是否要继续训练)  if __name__=="__main__":train_own()export_own()

5 端侧模型转换

5.1 RK3566模型转换

rknn-toolkit2-v1.4的环境配置


5.2 SIM9383模型转换

SIM9383 的环境配置

http://www.ritt.cn/news/19202.html

相关文章:

  • 舟山网站制作个人微信管理系统
  • 阿里云最低服务器可以做几个网站长沙网络推广外包费用
  • 网站主页面最开始在哪里做搜索引擎大全排行榜
  • 网站设计规划的创意缅甸最新新闻
  • 旅游网站建设与规划论文汕头网络营销公司
  • 推荐一个做淘客网站网站怎么制作教程
  • 企业网站建设首选智投未来1百度指数三个功能模块
  • 专业设计viseo 网站排名
  • 百度快照举报网站百度自动点击器怎么用
  • wordpress发送注册邮件失败seo搜索引擎优化视频
  • 二级域名做网站如何做seo优化
  • 网站设计论文引言上海网站关键词排名
  • 帮人做网站被派出所抓到徐州公司网站开发费用
  • wap网站开发教程百度pc端首页
  • 建立网站的详细步骤图解百度搜索风云榜电视剧
  • 简述网站建设的基本流程竞价关键词排名软件
  • 男人是用什么做的视频网站哈尔滨百度推广联系人
  • 电商网站开发分享做谷歌推广比较好的公司
  • 小说发表哪个网站赚钱互联网广告推广公司
  • 吉安网站建设优化服务网站设计公司苏州
  • 沙井网站制作优化什么
  • pbootcms官网seo自动优化工具
  • 文山网站建设求职简历免费下载app并安装
  • 网址导航类网站如何做推广公司培训
  • 电子商务网站建设与管理基础爱站网关键词查询系统
  • 大连建设信息seo外包杭州
  • 装修上什么网站比较好泉州关键词优化软件
  • wordpress积分商城主题优化排名
  • 淄博网站运营公司免费发布信息网站大全
  • 北京好的做网站公司哪个好用?