Mistral是超越llama的最强开源模型，由于发布时间晚于llama，因此其中文版本较少。llama作为开源社区的宠儿，有许多基于它的中文模型，下面列举比较流行的一些模型。

找到detect.py，在大概113行，找到plot_one_box# Write resultsfor *xyxy, conf, cls in reversed(det):if save_txt:# Write to filexywh = (xyxy2xywh(torch.tensor(xyxy).view(1, 4)) / gn).view(

我在网上找了一些帖子，有让换pytorch版本的，也有其他方法的。我都试过，换pytorch版本确实能起效果，但是这个方法太笨了，我还是推荐使用另外一种方法。1、进入cuda的安装目录。2、找到对应自己pytorch版本的cuda，比如我的有cuda、cuda-11.3、cuda-11.6，但是我的pytorch对应的是cuda（我把cuda11.3命名为cuda了）。.........

我们经常会使用到hugging face开源的transformers包，调用from_pretrained方法直接下载模型时，经常会下载很久甚至失败.而且由于它自动将下载的模型保存至文件夹下，这不方便我们对模型进行备份。为了解决这个问题，下面我们将实现“下载huggingface-transformers模型至本地，并使用from_pretrained方法加载”。

IDE配置选择开发板为NodeMCU1.0，选择烧录器对应的串口程序的烧写1.代码#include <ESP8266WiFi.h>#define led 2 //发光二极管连接在8266的GPIO2上const char *ssid= "zhou";//这里写入网络的ssidconst char *password = "12345678";//wifi密码const char *ho

我们经常会使用到hugging face开源的transformers包，调用from_pretrained方法直接下载模型时，经常会下载很久甚至失败.而且由于它自动将下载的模型保存至文件夹下，这不方便我们对模型进行备份。为了解决这个问题，下面我们将实现“下载huggingface-transformers模型至本地，并使用from_pretrained方法加载”。

我们经常会使用到hugging face开源的transformers包，调用from_pretrained方法直接下载模型时，经常会下载很久甚至失败.而且由于它自动将下载的模型保存至文件夹下，这不方便我们对模型进行备份。为了解决这个问题，下面我们将实现“下载huggingface-transformers模型至本地，并使用from_pretrained方法加载”。

注意，api_key需要改成自己的密钥才能成功运行。

一、从官网下载最新的yolov5代码二、新建VOCData文件夹三、VOCData文件夹结构1、新建Annotations文件夹，存放标签简单的xml文件，应该长这样复杂的xml文件，应该长这个样子2、新建images文件夹，存放图片数据注意：需要观察自己的图片文件的后缀名，后面需要用到，不然可能出现程序找不到图片的情况3、新建split_train_val.py，用来划分训练集与验证集运行之后，

找到detect.py，在大概113行，找到plot_one_box# Write resultsfor *xyxy, conf, cls in reversed(det):if save_txt:# Write to filexywh = (xyxy2xywh(torch.tensor(xyxy).view(1, 4)) / gn).view(