在本教程中，您将学习如何使用FastAPI和MongoDB 开发异步 API。我们将使用 Motor包与 MongoDB 进行异步交互。

基于视频输入的属性识别，任务类型包含多目标跟踪和属性识别，PP-Human提供了目标检测、属性识别、行为识别、ReID预训练模型，以实现不同使用场景

YOLOv5 目标检测模型训练 YOLOv5的优势：使用PyTorch进行编写。可以轻松编译成ONNX和CoreML。速度极快，每秒140FPS。精度超高，可以达到0.895mAP。体积很小：27M。集成了YOLOv3-spp和YOLOv4部分特性。

docker redis

/ 创建test库use test // 设置test库的用户和密码user: 'test' ,pwd: '123456' ,roles: [ 'readWrite' ] }) // 通过账号密码登录 并添加users集合数据![在这里插入图片描述](https://img-blog.csdnimg.cn/1e009a70af374efcb5faa6986988e285.png#pic_cente

python matplotlib 中文乱码 方法二:如通过修改配置项无法满足，在有中文输出的地方，增加一个属性：fontproperties。方法一:通过参数字典 rcParams 修改已经加载的配置项。拷贝字体到 /usr/share/fonts 下。删除~/.matplotlib中的缓存文件。

定义了一个名为 LoadModelTask 的Celery任务，用于加载GPU模型并将模型参数保存在任务上下文中。我们还在启动Celery worker时注册了任务上下文。在使用GPU模型的任务 use_model 中，我们从任务上下文中读取模型参数，并在计算过程中使用该模型。使用这种方法，可以确保GPU模型只被加载一次，并且可以轻松地在任务之间共享模型参数和其他全局变量。

​opencv读取拉流视频，可能不同的解码器，会导致在调用opencv自身的解码器无法对视频进行解码，导致一部分帧解码失败，导致实际看到的帧数和读取到的帧数相差甚远。​在读取一段从摄像头拉流保存下来的8分钟视频，opencv(opencv4.4)获取到的总帧数只有7帧，循环读取解码视频，获取到的帧数也只有7帧，明显此时存在问题。