我只有定义为18，19才运行正常！

找到要下载的版本，我下载的是90.0.4430.72，版本不要太高，这个版本测试可用。树莓派3b自带python3.7，先安装selenium。执行后如果能打开浏览器并进入百度，则安装成功。安装成功后，查看浏览器以及驱动版本。卸载自带的chromium。若出现版本号，则安装成功。安装下面的顺序执行安装。下载chromium。新建python文件。

win10安装yolox，训练自定义模型，使用tensorrt部署全流程

bbox_mAP_s/m/l即小中大三种不同尺度物体的AP值，其中small是指物体面积小于32x32，medium是指面积在32x32-96x96之间，large是指面积大于96x96。-bbox_mAP（默认）IOU=0.5到IOU=0.95，每隔0.05个IOU计算一次AP，然后求平均值。-bbox_mAP_75IOU=0.75时的AP值。-bbox_mAP_50IOU=0.5时的AP值。m

服务器环境：显卡驱动：Driver Version: 530.30.02CUDA版本：CUDA Version: 12.1显卡：NVIDIA GeForce RTX 3090共4张注意：最好把显卡驱动升级到530，CUDA版本之前使用11.7有问题。

找到你要修改容器的id，我的容器id为“9d676d24c4f8367357658f7329afa026840d7a5ed8fb9f26918922d0c004098c”docker容器已创建成功，若想修改映射GPU数量，除了重新创建一个容器外，还可以修改容器的配置文件来达到修改的目的。修改hostconfig.json文件。最后记得启动docker服务。先把docker服务关掉。...

因为容器里的执行脚本中，判断了key是不是等于 “sk-aaabbbcccdddeeefffggghhhiiijjjkkk”，key不一致会出现401错误。用CPU就挺快的，所以我没把显卡映射到docker容器中，但从容器的代码中能看到，只要把显卡映射到容器就能自动判断是否有显卡。注意：密钥一定要配置成“sk-aaabbbcccdddeeefffggghhhiiijjjkkk”也可以在docker

那Top-1 Accuracy和Top-5 Accuracy是指什么呢？我们知道ImageNet有大概1000个分类，而模型预测某张图片时，会给出1000个按概率从高到低的类别排名，所谓的Top-1 Accuracy是指排名第一的类别与实际结果相符的准确率，而Top-5 Accuracy是指排名前五的类别包含实际结果的准确率。

因为容器里的执行脚本中，判断了key是不是等于 “sk-aaabbbcccdddeeefffggghhhiiijjjkkk”，key不一致会出现401错误。用CPU就挺快的，所以我没把显卡映射到docker容器中，但从容器的代码中能看到，只要把显卡映射到容器就能自动判断是否有显卡。注意：密钥一定要配置成“sk-aaabbbcccdddeeefffggghhhiiijjjkkk”也可以在docker

overleaf在线版限制很多，好在开源，准备在本地Docker部署，网上翻了翻，似乎本地部署并非易事，我也尝试了一下，发现直接使用docker-compose拉官方最新镜像部署的确问题很多，不过最终还是完美解决。