yolov8关键点检测数据集官方文档，labelme的安装和使用示例，json格式关键点标签转为yolo格式的代码

我试图使用`笔记本联想小新air14的mx350显卡`训练一个图像检测的深度学习模型，但是训练时长大概需要几天时间远超我的预期，所以我便选择租用GPU进行训练，在对多家平台对比后找到了经济实惠的AutoDL，接下来是我租用GPU--配置环境--连接Pycharm--训练模型的全过程，基于本人也是刚入门的新手，如果有不恰当的地方还请大家指教。

make sense数据标注工具的快捷键，导入导出的支持格式和使用说明。希望刚刚接触这个工作的同志不要再踩坑。

我试图使用`笔记本联想小新air14的mx350显卡`训练一个图像检测的深度学习模型，但是训练时长大概需要几天时间远超我的预期，所以我便选择租用GPU进行训练，在对多家平台对比后找到了经济实惠的AutoDL，接下来是我租用GPU--配置环境--连接Pycharm--训练模型的全过程，基于本人也是刚入门的新手，如果有不恰当的地方还请大家指教。

Ultralytics本身提供了视频的预测代码，但是我并没有找到视频预测结果的存放位置，在查阅了官方网站和CSDN后我发现了它好像只是提供了视频预测过程中进行预测结果显示的代码，没有发现它怎么保存预测后的视频结果，所以寻找了一个对预测后结果进行导出的代码，并对其进行了部分修改。

使用labelimg制作yolo数据集的优点，安装和使用教程。

本文详细讲解了windows配置pytorch深度学习环境的全过程

我试图使用`笔记本联想小新air14的mx350显卡`训练一个图像检测的深度学习模型，但是训练时长大概需要几天时间远超我的预期，所以我便选择租用GPU进行训练，在对多家平台对比后找到了经济实惠的AutoDL，接下来是我租用GPU--配置环境--连接Pycharm--训练模型的全过程，基于本人也是刚入门的新手，如果有不恰当的地方还请大家指教。

我想开发一个基于深度学习的分类小软件，逐渐了解到了TensorRT在模型推理速度上的优势，经过一下午资料的查找实现了将onnx模型转为TensorRT格式模型的推理及测试过程。将实现过程记录下来方便日后查看。本文实验设备是MX350显卡 2G显存。

【代码】卷积神经网络——ResNet18——FashionMNIST。