目录一. 环境及模块配置二. 代码运行yolo5模型训练→权重文件模型转换 .pt →.wtsTensorRT推理加速一.1.1.1 checka. 查看安装cuda的版本：nvcc --versionb. 如果没安装，则首先查看电脑配置，然后继续下载对应cuda版本；如图所示，桌面空白处单击鼠标右键，选择NVIDIA控制面板，选择打开后，点击左下角系统信息，然后选择组件，查看cuda信息，本机支

Qwen3.5-27B多模态模型部署指南 摘要：本文介绍了Qwen3.5-27B模型的部署过程，该模型具备对话问答和图像理解能力。部署环境要求包括Ubuntu22.04系统、CUDA13.0驱动及4张RTX4090显卡。部署步骤涵盖模型下载、vLLM环境配置和Docker容器启动，重点解决了系统兼容性、GPU资源共享等问题，并提供了显存优化参数调整建议。测试表明模型启动后响应速度良好，适合需要多模

图像增强，包含txt标签文件和img图像的同步处理

【代码】解决cursor网络问题。

Qwen3.5-27B多模态模型部署指南 摘要：本文介绍了Qwen3.5-27B模型的部署过程，该模型具备对话问答和图像理解能力。部署环境要求包括Ubuntu22.04系统、CUDA13.0驱动及4张RTX4090显卡。部署步骤涵盖模型下载、vLLM环境配置和Docker容器启动，重点解决了系统兼容性、GPU资源共享等问题，并提供了显存优化参数调整建议。测试表明模型启动后响应速度良好，适合需要多模

Qwen3.5-27B多模态模型部署指南 摘要：本文介绍了Qwen3.5-27B模型的部署过程，该模型具备对话问答和图像理解能力。部署环境要求包括Ubuntu22.04系统、CUDA13.0驱动及4张RTX4090显卡。部署步骤涵盖模型下载、vLLM环境配置和Docker容器启动，重点解决了系统兼容性、GPU资源共享等问题，并提供了显存优化参数调整建议。测试表明模型启动后响应速度良好，适合需要多模

图像增强，包含txt标签文件和img图像的同步处理

import numpy as npimport matplotlib.pyplot as pltinputs = np.arange(-10,10,0.1)def sigmoid(x):return 1.0/(1+np.exp(-x))sigmoid_outputs = sigmoid(inputs)plt.subplot(321)plt.plot(inputs,sigmoid_outputs)

目录前言一、损失函数二、详解1.回归损失2.分类损失三. 总结前言一、损失函数介绍二、详解1.L1 Loss2. L2 Loss3. Cross-Entropy Loss4. Hinge Embedding Loss5. NLL Loss6.Margin Ranking Loss7.KL Divergence Loss8.Triplet Margin loss总结前言损失函数在...