本文记录在昇腾Atlas 300I Duo推理卡上部署YOLO检测模型的完整适配流程，涵盖银河麒麟系统下aarch64架构的驱动与固件安装、Ascend Docker Runtime配置、MindIE推理镜像拉取及容器化部署。重点实现PyTorch模型（yolov7）到ONNX，再转为昇腾OM格式的模型转换，并通过AIPP加速前处理，最终在容器内完成推理服务集成，确保高效、稳定运行于昇腾NPU平台

本文记录在昇腾Atlas 300I Duo推理卡上部署YOLO检测模型的完整适配流程，涵盖银河麒麟系统下aarch64架构的驱动与固件安装、Ascend Docker Runtime配置、MindIE推理镜像拉取及容器化部署。重点实现PyTorch模型（yolov7）到ONNX，再转为昇腾OM格式的模型转换，并通过AIPP加速前处理，最终在容器内完成推理服务集成，确保高效、稳定运行于昇腾NPU平台

之前文章中写过关于在windows环境下搭建yolov5的文章，也写过如何利用yolov5训练自己的数据集，总的来说yolov5还是很便捷的，但是在实际的工程问题上，yolov5存在落地打包上的困难，因此本文记录下yolov4在windows环境下搭建。文章目录安装依赖编译使用步骤总结安装依赖括号里是我当前版本vs（vs2019）cuda（cuda10.2）cudnn（cudnn7.6.5）ope

动态链接库是代码重用和模块化的重要工具，它使得将功能封装为独立的库更加容易，同时还可以动态加载和升级这些库，提高了程序的灵活性和可维护性。当我们希望将C++源码编译成动态链接库，并在其他应用程序中调用这个动态链接库，是这篇文章的应用场景。这篇文档将介绍如何创建、编译、链接和调用C++动态链接库。PS:本文以下内容根据我实际工作项目编写,不采用demo的形式。本文介绍了如何制作C++动态链接库（so

由于项目的保密性需求，对已开发完成的项目需要进行加密处理，本文给出两种方法。加密py代码,虽然编译为pyc作用不大(很容易被反编译出来源码),但还是有一定加密的效果,如果项目比较时间紧，可以用此方法应急处理。该命令会把目录下的py文件都会生成相应的pyc文件然后执行以下命令,删除掉py文件,只保留pyc文件最后执行运行pyc文件就可以了如：注意：此方法加密与使用的python版本要一致，否则会报错

问题描述：Pycharm运行程序时，会报错：Process finished with exit code -1073740791 (0xC0000409)，无法查看详细的报错信息。解决方案：第一步：选择run -> Edit Configurations...第二步： 勾选Emulate terminal in output console、依次点击apply、OK完成以上操作，就可以在控

本文记录海思3559 yolov5 wk模型部署的具体过程，成功生成了可执行文件，后面就可以在板端进行运行测试！！

目前项目需要在海思3559上开发，但查了相关文档，感觉还是比较复杂的。相比于3403、3519的使用atc工具直接从onnx->om，3559需要从onnx->caffer->wk则显得复杂许多，特此记录一下。海思3559是早些年的芯片，因此在模型转换的方式上相比于3403、3519的使用atc工具直接从onnx->om，3559需要从onnx->caffer->wk则显得稍显复杂。本文记录了yo

1.在ubuntu系统上打开终端；2.通过以下命令来设置定时重启：退出，然后输入，再按进行保存以上编辑的意思为：在凌晨2点10分进行重启；可以查看目前所有定时启动任务若以上设置没反应，建议将目录下的文件设置为任务配置文件：再重复进行上一步操作3.参数说明除了这些固定值外，还可以配合星号（*），逗号（,），和斜线（/）来表示一些其他的含义：星号表示任意值，比如在小时部分填写 * 代表任意小时（每小时

Ubuntu下设置环境变量有三种方法，一种用于当前终端，一种用于当前用户，一种用于所有用户：查看环境变量终端输入：echo $PATH 可以查看环境变量一：用于当前终端：在当前终端中输入：export PATH=$PATH:<你的要加入的路径>不过上面的方法只适用于当前终端，一旦当前终端关闭或在另一个终端中，则无效。二：用于当前用户：在用户主目录下有一个 .bashrc 隐藏文件，可以