中国科学院⼤学以及布法罗⼤学的几位作者提出了论文“YOLOv12: Attention-Centric Real-Time Object Detectors”，该论文提出的YOLOv12框架成功将注意力机制引入YOLO系列，实现了精度与速度的良好平衡，在目标检测领域取得了新的突破。

较大时显著增加显存占用，从而引发显存不足的问题。修改后的代码通过动态判断批次大小，仅在必要时进行扩展，从而避免了不必要的显存浪费，支持更大的。进行扩展操作，这不仅可能导致张量维度不匹配的错误，还可能在。原因：在原始代码中，无论。的大小是否匹配，都会对。，并提升了显存使用效率。

在 Windows 系统下，使用 PyTorch 的DataLoader时，如果。