现在已经是2024年，网上许多安装WSL2和WSL2中配置GPU的资料已经过时，因此在这里记录一下整个安装流程。安装完驱动后，在终端输入nvidia-smi，可以看到驱动支持的最高CUDA版本（向下兼容），我这里是12.5。根据自己的显卡型号以及操作系统选择对应驱动，我这里是RTX 2080TI，操作系统是Win 10 64位。我这里使用的是zsh，故在。中添加，注意：cuda-12.5中的12.

Fermi (费米)：第一个“真正”的计算架构，有缓存和ECC。Kepler (开普勒)：能效很好，经典“战术核显卡”GTX 690就基于此。Maxwell (麦克斯韦)：能效极致，神卡GTX 970/980。Pascal (帕斯卡)：一代经典，游戏神卡GTX 1080 Ti。Volta (伏打)：AI先驱，首代Tensor Core，只有TITAN V和计算卡。Turing (图灵)：光影革命，

Persistence-M：持续模式状态，持续模式耗能大，但在新的GPU应用启动时花费时间更少，上图均为On。-l 指定动态刷新时间，默认5秒刷新一次，通过Ctrl+C停止：nvidia-smi -l 5。-i只列出某一GPU的详细信息，可使用 -i 选项指定：nvidia-smi -q -i 0。-n动态地观察 GPU 的状态：watch -n 0.5 nvidia-smi。GPU：本机中的GP

docker pull 镜像地址。

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)colored_glass_bottles (彩色玻璃瓶) 框数 = 273。plastic_bottle (塑料瓶) 框数 = 1260。pile_of_leaves (落叶堆) 框数 = 392。glass_bottle (玻璃瓶) 框数 =

早期基于传统图像处理的方法，受路面阴影、积水、相似纹理干扰，误检率高且无法精准定位微小坑洞，难以满足精细化养护要求。特别注意如果运行报错了，请参考我的博文进行重新引用我源码的DLL：[C#]opencvsharp报错System.Memory，Version=4.0.1.2，Culture=neutral，PublicKeyToken=cc7b13fcd2ddd51“版本高于所引_未能加载文件或程

此外，该系统还支持多类别检测和目标追踪功能，能够同时监测道路上的其他交通设施，如交通标志、信号灯等，进一步提升了城市交通管理的智能化水平。该系统以opencvsharp作图像处理,onnxruntime做推理引擎，使用CPU进行推理，适合有显卡或者没有显卡windows x64系统均可，不支持macOS和Linux系统，不支持x86的windows操作系统。综上所述，基于YOLOv8的井盖异常检测

Other plastic container (其他塑料容器) 框数 = 50。Clear plastic bottle (透明塑料瓶) 框数 = 1707。Other plastic bottle (其他塑料瓶) 框数 = 281。Other plastic wrapper (其他塑料包装) 框数 = 2。Plastic bottle cap (塑料瓶盖) 框数 = 209。Other pla

这通常是因为模型参数过多，而训练数据量相对较小，导致模型学习到了训练数据中的噪声或特定模式，而无法泛化到新的数据。依托大规模无人机夜间交通数据集训练，模型泛化性强，对不同拍摄角度、距离及光照变化的车辆均有良好适应性，测试集平均精度（mAP）超过90%，尤其对远处小目标车辆（如摩托车）保持高检测率。原因一：欠拟合：如果训练数据量过小，模型可能无法学习到足够的特征，从而影响预测效果，导致欠拟合，进而使

【代码】llama.cpp在各个操作系统本地编译流程。