最近心血来潮，朋友勾的我学大模型，可是这个赛道太卷了呀，rag迟迟落不了地，微调这个事情自己又觉得太慢，至于chat部分我则完全不感兴趣。帮朋友搞定了OpenWebUI的单点登录之后，兴趣缺缺。突然翻到宇树机器人的3D扫描生成点云，对视觉识别这个事情上心了，感觉比rag好玩。开始查资料，各种翻，

作者:张富春(ahfuzhang)，转载时请注明作者和引用链接，谢谢！cnblogs博客zhihuGithub公众号:一本正经的瞎扯记录体验yolov11的过程：1.下载镜像dockerpullultralytics/ultralytics这个镜像有11GB2.进入镜像的bashdockerrun-it--name=yolov11_test-v~/Picture

python导出的onnx格式的yolo模型为yolov11.onnx文件。输出代码如下：fromultralyticsimportYOLOmodel=YOLO("yolo11n.pt")success=model.export(format="onnx")ncnn需要两个模型文件才能推理，.param和.bin文件。官方建议使用onnx2ncnn.exe导出，这个导出的onnx格式文件(yo

数据集-目标检测系列-篮球检测数据集basketball>>DataBallDataBall助力快速掌握数据集的信息和使用方式，会员享有百种数据集，持续增加中。 需要更多数据资源和技术解决方案，知识星球：“DataBall-X数据球(free)”贵在坚持！数据样例项目地址：*相关项目1）数据集

数据集-目标检测系列-鸭舌帽检测数据集cap>>DataBallDataBall助力快速掌握数据集的信息和使用方式，会员享有百种数据集，持续增加中。 需要更多数据资源和技术解决方案，知识星球：“DataBall-X数据球(free)”贵在坚持！数据样例项目地址：*相关项目1）数据集可视化

数据集-目标检测系列-步行街人检测数据集person>>DataBallDataBall助力快速掌握数据集的信息和使用方式，会员享有百种数据集，持续增加中。 需要更多数据资源和技术解决方案，知识星球：“DataBall-X数据球(free)”贵在坚持！数据样例项目地址：*相关项目1）数据集

数据集-目标检测系列-美丽卷发女孩脸检测数据集face>>DataBallDataBall助力快速掌握数据集的信息和使用方式，会员享有百种数据集，持续增加中。 需要更多数据资源和技术解决方案，知识星球：“DataBall-X数据球(free)”贵在坚持！数据样例项目地址：*相关项目1）数据

Triton推理服务器1、引言2、Triton服务器2.1什么是TritonInferenceServer2.2将YOLO11导出为ONNX格式2.3设置Triton模型库2.3.1创建目录结构2.3.2将导出的ONNX模型移至Triton资源库2.4运行Triton推断服务器2.4.1使用Docker运行TritonInferenceServer

model.pyultralytics\engine\model.py目录model.py1.所需的库和模块2.classModel(nn.Module): 1.所需的库和模块#UltralyticsYOLO

注意：不同用户安装的python可能会在不同的路径，因此不同的pip管理会导致安装的torch和torchvision会在不同的路径下记得区分用户来运行yolo一、确认系统JetPack版本此处使用5.1.11、查看JetPack版本jtop二、安装ultralytics、pytorch、torchvision、onnxruntime-

augment.pyultralytics\data\augment.py目录augment.py1.所需的库和模块2.classBaseTransform: 3.classCompose: 4.classBaseMixTransform: 5.classMosaic(BaseMixTransform): 6.classMixUp(BaseMixTransform): 7.classRandomPerspective: 8.classRand

errors.pyultralytics\utils\errors.py目录errors.py1.所需的库和模块2.classHUBModelError(Exception): 1.所需的库和模块#UltralyticsYOLO

checks.pyultralytics\utils\checks.py目录checks.py1.所需的库和模块2.defparse_requirements(file_path=ROOT.parent/"requirements.txt",package=""): 3.defparse_version(version="0.0.0")->tuple: 4.defis_ascii(s)->bool

instance.pyultralytics\utils\instance.py目录instance.py1.所需的库和模块2.def_ntuple(n): 3.classBboxes: 4.classInstances: 1.所需的库和模块#UltralyticsYOLO

数据集-目标检测系列-瑜伽冥想人检测数据集personyoga>>DataBallDataBall助力快速掌握数据集的信息和使用方式，会员享有百种数据集，持续增加中。 需要更多数据资源和技术解决方案，知识星球：“DataBall-X数据球(free)”贵在坚持！数据样例项目地址：*相关项目1）

训练命令及提示        执行下面的命令，可以使用yolov8的图像目标检测功能完成训练：yolotrainmodel=yolov8x.ptdata=test.yamlepochs=150imgsz=640命令执行成功后，会先弹出以下的信息：Newhttps://pypi.org/project/ultralytics/8.3.39available

数据集-目标检测系列-海边漫步锻炼人检测数据集person>>DataBallDataBall助力快速掌握数据集的信息和使用方式，会员享有百种数据集，持续增加中。 需要更多数据资源和技术解决方案，知识星球：“DataBall-X数据球(free)”贵在坚持！数据样例项目地址：*相关项目1）数据

数据集-目标检测系列-拖把，扫把检测数据集mopsbrooms>>DataBallDataBall助力快速掌握数据集的信息和使用方式，会员享有百种数据集，持续增加中。 需要更多数据资源和技术解决方案，知识星球：“DataBall-X数据球(free)”贵在坚持！数据样例项目地址：*相关项目1）数据

autobatch.pyultralytics\utils\autobatch.py目录autobatch.py1.所需的库和模块2.defcheck_train_batch_size(model,imgsz=640,amp=True,batch=-1): 3.defautobatch(model,imgsz=640,fraction=0.60,batch_size=DEFAULT_CFG.batch): 1.所需的库和模块#Ultr

一.引言    相信大家都对YOLO算法的改进有了或多或少的了解，当然我也不例外，本文默认大家已经会进行yolo改进，接下来给大家讲一个在训练过程中遇到的一个非常非常very“棘手”的错误，就是你的数据集可以训练，但是训练过程种验证的时候报错了，这个错误卡了我4个小时呜呜呜，并

大部分YOLO初学者可能想在自己的Windows系统上，搭建个环境用来检测学习一下，这里给大家一点建议：对于笔者初学时，总是配置环境遇到问题，导致整个环境乱七八糟不能用，所以，选择用虚拟机搭建一个Ubuntu的环境。虚拟机对笔者来的优点：（1）快照功能：可以备份还原，如果搞错了直接还原快照，重新

数据集-目标检测系列-安全背心检测数据集safetyDataBall助力快速掌握数据集的信息和使用方式，会员享有百种数据集，持续增加中。 贵在坚持！数据样例项目地址：*相关项目1）数据集可视化项目：gitcode:https://gitcode.com/DataBall/DataBall-detections-100s/overview2

刚刚过去的双十二，李佳琦直播间的佣金比例意外曝光，引发了广泛关注。据透露，每套化妆品的佣金比例在10%到20%之间。我们暂且不讨论此佣金比例是否合理，而是聚焦于一个问题：这次佣金比例的显示，究竟是意外，还是背后另有隐情？佣金曝光：是失误还是刻意为之？此次佣金比例的曝光，引发了外界

注册tailscale账号并登录https://tailscale.com/安装包下载地址https://tailscale.com/download获取配置文件地址https://jd1.wwwfff.top/ftp/tailscale/xxxxx_derp.txt登录tailscale后台地址配置文件地址复制到这里重启该账户下所有客户端测试是否是走的代理节点如图