数据涵盖日间/夜间、多样天气及动态行驶状态，精准标注7类关键交通元素（含头盔佩戴、行人安全等），所有标注经交通法规验证，支持复杂多目标检测。标注类别名称(注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt为准):["bamaxian","buxing","chepai","jidongche","motuoche","toukui","wutoukui"]对应中文类

数据涵盖日间/夜间、多样天气及动态行驶状态，精准标注7类关键交通元素（含头盔佩戴、行人安全等），所有标注经交通法规验证，支持复杂多目标检测。标注类别名称(注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt为准):["bamaxian","buxing","chepai","jidongche","motuoche","toukui","wutoukui"]对应中文类

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)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证。重要说明：数据集没有划分训练验证测试集需自行划分。图片数量(jpg文件个数)：1175。标注数量(xml文件个数)：1175。标注数量(txt文件个数)：1175。使用标注工具：labe

重要说明：可以将数据集用labelme打开编辑，json数据集需自己转成mask或者yolo格式或者coco格式作语义分割或者实例分割。数据集格式：labelme格式(不包含mask文件，仅仅包含jpg图片和对应的json文件)图片分辨率：多分辨率图片,如414x380,534x394等。特别声明：本数据集不对训练的模型或者权重文件精度作任何保证。标注规则：对类别进行画多边形框polygon。标注

这篇主要讲如何对接Langchain中的LLM模块，其他关于如何对接向量数据库和gradio的部分请参考模块。

ollama安装时候不能选择安装路径，只能默认安装C盘大概需要5GB空间，面对C盘没有多少的用户就很难装上去。windows默认安装在C盘，不支持修改程序安装目录，可以在Windows终端中输入以下命令来自定义安装路径。在用户环境变量中添加一个OLLAM_MODELS环境变量来定义模型的储存位置。

若你有意将Ollama作为服务进行安装或集成，那么可以选择使用独立的ollama-windows-amd64.zip压缩包。此压缩包内仅包含Ollama CLI以及Nvidia和AMD的GPU库依赖项，这为你提供了将Ollama嵌入现有应用程序中的灵活性，或者通过如ollama serve等工具，利用NSSM等服务管理器将其作为系统服务来运行。该程序无需管理员权限，即可在你的个人账户中顺利完成安装

需要修改源文件paddlex/inference/pipelines/components/retriever/base.py。

基于 YOLOv8 的目标检测系统，支持图片、视频和实时摄像头检测，集成 DeepSeek AI 分析功能。访问 http://127.0.0.1:8000。训练精度(Precision)=96.0%训练召回率(Recall)=96.8%houhuang（厚黄）fenhong（粉红）训练map=98.9%houbai（厚白）huihei（灰黑）训练集图片数=720。

登录界面主界面基于 YOLO26的目标检测系统，支持图片、视频和实时摄像头检测，集成 DeepSeek AI 分析功能。windows10anaconda3+python3.10torch2.3.1ultralytics8.4.7Django==5.2.11APEBPENEVPE数据集格式：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yolo格式txt文件)图片数量(jp