本文介绍了基于TensorRT 8.6.1和CUDA 11.8环境的YOLOv8目标检测模型推理实现。通过YOLOv8TRTInference类封装了完整的推理流程，包括图像预处理、模型推理和后处理。关键实现包括：1）使用letterbox保持图像宽高比；2）支持COCO数据集80类检测；3）包含NMS后处理优化；4）提供详细的推理时间统计。测试结果表明，该方法能有效完成目标检测任务，并支持结果可

本文介绍了基于OpenVINO 2025.3的YOLO模型推理实现方案。主要内容包括：1) 环境配置（Python 3.11）；2) 支持YOLOv5及后续版本的通用推理框架，采用动态输入尺寸和LetterBox预处理；3) ONNX模型转换OpenVINO格式的完整代码；4) YOLOv13推理实现，包含预处理、推理、后处理全流程；5) 支持多设备推理（CPU/GPU）。该系统具有通用性强、自动

本文探讨了在无独立显卡环境下部署大语言模型的三种方案：Ollama（简单易用但定制性差）、vLLM（GPU优化但CPU兼容性差）和OpenVINO（针对Intel CPU优化）。作者基于i7-13700H/32G内存环境，选择OpenVINO方案部署Qwen3-8B模型，详细介绍了使用Optimum-Intel工具进行INT4量化的转换过程（包括命令行和Python接口两种方式），以及转换前后的目

本文介绍了基于OpenVINO的本地AI模型部署方案，包含前端交互界面和后端服务器实现。前端采用HTML/CSS/JavaScript构建聊天界面，支持状态检测和消息交互；后端使用Flask框架提供REST API，通过OpenVINO GenAI实现模型推理优化。系统在CPU上运行DeepSeek-R1-8B量化模型，内存占用约10GB，推理耗时40秒左右。文章详细展示了前后端代码实现，包括模型

本文介绍了在RK3588开发板上基于DRMPrime和RGA硬件加速的视频处理优化方案。通过FFmpeg的RKmpp插件实现硬件解码，输出为DRMPrime格式的DMA缓冲区，避免了CPU参与的数据拷贝。作者详细阐述了如何修改解码器设置以支持DRMPrime输出，并展示了如何将解码后的NV12格式数据直接送入RGA进行硬件加速的色彩空间转换。文章还探讨了处理H264编码中stride对齐问题的解决

Ubuntu使用独立显卡运行glmark2跑分

摘要：Win11更新WSL至2.6.2版本后出现systemd启动失败问题，经确认是官方已知BUG。建议降级至2.5.9版本（内核6.6.87.2-1），只需下载安装wsl.2.5.9.0.x64.msi包即可解决该问题，且不影响系统稳定性。若需保留新版本功能，可参考Github社区其他解决方案。（98字）

将本地 git 仓库推送到远程新仓库（建立连接）

github配置SSH公钥后无法连接

解决模型训练时，GPU在跑但是占用低，任务管理器占用低