摘要： 图标主要是用来辅助ui界面的，常用的是√和×，像蓝牙和wifi是否连上的标志，让人直观明了。icon的参数组件icon的参数主要有三个，下图所示：（1）type：icon的类型，官方给出了9个，分别为success, success_no_circle, info, warn, waiting, cancel, download, search, clear，而这就个类型分别对应的...

摘要： 有时需要提示框来提醒我们相应信息，以及交互提示框来让我们是否继续进行操作。一、消息提示框（1）参数介绍消息提示框只有提示作用，不能交互，函数是wx.showToast，下面列出几个主要且常用参数：（2）代码wx.showToast({title: '已取消本次操作',icon: 'success',duration: 2000})（3）效果二、交互消...

参数pin_memory=True和non_blocking=True的作用

计算量：FLOPs，FLOP时指浮点运算次数，s是指秒，即每秒浮点运算次数的意思，考量一个网络模型的计算量的标准。参数量：Params，是指网络模型中需要训练的参数总数。第一步：安装模块（thop）pip install thop第二步：计算import torchfrom thop import profilenet = Model()# 定义好的网络模型input = torch.randn(

在pytorch中，激活函数的使用方法有两种，分别是：第一种：import torch.functional as F'''out = F.ReLU(input)第二种：import torch.nn as nn'''nn.RuLU()其实这两种方法都是使用relu激活，只是使用的场景不一样，F.ReLU()是函数调用，一般使用在foreward函数里。而nn.ReLU()是模块调用，一般在定义网

一、什么是批训练？批训练： 意思是把整套训练数据分成数个批次进行训练，每个批次从数据中选取 n_num(总数据)/n_batch(批次) 个数据，直到把整套数据训练完成。举个例子，有10个输入训练数据，每个批次训练3个数据，这训练完成需要4个批次，第一次从[1,2,3,4,5,6,7,8,9,0]随机选取3个数据，batch_1=[2,5,9]，第二次再从剩余的7个数据中选取，得到batch_2=

有时候服务端（如linux）或者边缘端（jetson盒子）需要接受摄像头的视频流输入，而摄像头的输入视频流一般为rtsp，测试时需要搭建摄像头环境，很不方便，因此需要对本地视频进行rtsp推流，模拟摄像头的rtsp输入。

本文介绍了使用Triton Inference Server部署YOLOv26模型的两种方案，重点推荐基于ensemble后端的集成部署方式。传统方案将预处理/后处理与推理分离，存在带宽占用高、延迟长的问题。而ensemble方案通过Python后端将预处理、模型推理和后处理整合到同一个Triton服务中，形成完整流水线：客户端发送编码图像→Triton统一处理→返回检测结果。

window系统的终端cmd和linux不一样，运行不了.sh文件，为了在window中模仿linux，可以使用gui bash模拟linux的终端。为了在gui bash中使用python环境，由于python环境是在anaconda中创建的，所以需要在gui bash使用conda命令。

最近在使用单机多卡进行分布式（DDP）训练时遇到一个错误：ERROR: torch.distributed.elastic.multiprocessing.api:failed。而实际报错的内容是：ValueError: sampler option is mutually exclusive with shuffle.