本文介绍了在华为昇腾AI硬件上部署Qwen2.5-VL-7B大语言模型的完整流程。首先在Atlas 300I Duo推理卡和Kylin V10系统上安装驱动、固件及MindIE软件包；接着通过Docker容器部署MindIE服务，配置模型权重路径和NPU设备参数；最后测试验证了模型的语言生成和图像理解能力。该方案为国产化AI部署提供了实践参考，展示了昇腾硬件对大模型推理的高效支持能力。

之前在项目中存在目标检测框内嵌的情况（目标检测框存在内嵌情况分析与解决），正好趁这个机会记录下目标检测中常用的几种IOU_loss函数。IOU_Loss作为传统的衡量标准，为我们提供了一个基础,而GIOU_Loss、DIOU_Loss和CIOU_Loss则在其基础上引入了更多的信息，如目标框的形状和相对位置等，从而使得模型更加准确地学习目标的位置和形状。！！2023年12月4日20:03:02。

本篇文章可以算是昇腾系列的一个入门样例，跑通了应该就能知道大概的操作流程，接下来应该又是一段难忘的开发心路历程，希望自己挺住！！！！！2023年11月24日14:55:12。

文章目录1.前期准备1.1 查看驱动版本是否满足安装CUDA10.01.2下载cuda10.0和cudnn7.6.52.安装CUDA10.03.安装cudnn7.6.54.设置系统环境变量本次安装以cuda10.0和cudnn7.6.5为例。1.前期准备1.1 查看驱动版本是否满足安装CUDA10.0CUDA与显卡驱动版本对应关系查看本机驱动版本号：如果已安装驱动版本低于cuda10.0的最低要求

文章目录一、jetson安装triton-inference-server1.1jtop命名行查看jetpack版本与其他信息1.2下载对应版本的安装包1.3解压刚刚下载的安装包，并进入到对应的bin目录下1.4尝试运行一下tritonserver二、运行triton-inference-server2.1下载相关文件包2.2生成模型文件2.3启动tritonserver三、测试triton cl

目标检测模型输出的检测框存在内嵌情况。，在推理性能足够的情况下，可以考虑使用。的信息，不用考虑影响因子，因此直接用。设置过大，没能滤除重叠检测框，原来。：在IOU和GIOU的基础上，考虑。标注框的信息，在训练时用于回归。有读者会有疑问，这里为什么不用。的基础上，添加的影响因子，包含。根据经验，第一感觉是后处理。：在DIOU的基础上，考虑。：在IOU的基础上，解决。目前分析最可能的原因是。但在测试过

文章目录前言一、paddleocr环境搭建二、使用代码效果展示总结前言最近不是在做关于字符识别的项目嘛，同事用的paddleocr做字符识别自己测试的效果还行，结果到客户那边跑了一下没出结果，尴尬了。。。我感觉用paddleocr整体是没什么问题的，问题可能出在字符的定位方面。借着这个机会我也学习了一下paddleocr，毕竟后面同事离职我要接手这个项目的（因为同事都是大佬，一个要去读香港理工大学

Jetson系列盒子经过刷机之后，python版本默认是python2.7，若想要切换到python3版本，需要执行如下命令，把两个版本的python加入到alternatives列表中：sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100sudo update-alternatives --i

目标检测模型输出的检测框存在内嵌情况。，在推理性能足够的情况下，可以考虑使用。的信息，不用考虑影响因子，因此直接用。设置过大，没能滤除重叠检测框，原来。：在IOU和GIOU的基础上，考虑。标注框的信息，在训练时用于回归。有读者会有疑问，这里为什么不用。的基础上，添加的影响因子，包含。根据经验，第一感觉是后处理。：在DIOU的基础上，考虑。：在IOU的基础上，解决。目前分析最可能的原因是。但在测试过

import cv2import numpy as np#实现图像堆叠def stackImages(scale,imgArray):rows = len(imgArray)cols = len(imgArray[0])rowsAvailable = isinstance(imgArray[0], list)width = imgArray[0][0].shape[1]height = imgAr