<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[LZL2020LZL的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/LZL2020LZL</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; LZL2020LZL]]></copyright><item><title><![CDATA[怎么在linux上启动redis集群]]></title><link>https://blog.youkuaiyun.com/LZL2020LZL/article/details/159004153</link><guid>https://blog.youkuaiyun.com/LZL2020LZL/article/details/159004153</guid><author>LZL2020LZL</author><pubDate>Fri, 13 Mar 2026 10:03:40 +0800</pubDate><description><![CDATA[摘要： Redis集群报错显示槽位574未被覆盖，表明节点间未建立完整集群。解决方案：1) 重启各节点（8000/8002/8003端口）；2) 使用redis-cli --cluster create命令重建集群并分配槽位。验证步骤包括检查节点状态(cluster nodes)和槽位分配(cluster slots)。关键点：集群需覆盖全部16384个哈希槽，否则无法处理对应键值。（149字）]]></description><category></category></item><item><title><![CDATA[asr_offline训练-＞onnx转化-＞测试全流程]]></title><link>https://blog.youkuaiyun.com/LZL2020LZL/article/details/147143959</link><guid>https://blog.youkuaiyun.com/LZL2020LZL/article/details/147143959</guid><author>LZL2020LZL</author><pubDate>Fri, 11 Apr 2025 14:56:22 +0800</pubDate><description><![CDATA[完成关于asr模型的改造，压缩模型体积，提高推理性能。官方model.pt 220M，量化后68M	 0.96S/条	
官方model.pt 128M，量化后15M    0.6s/条
性能计算方式：for跑了100次，然后delay/100得到的每条执行时间。GitHub模型网址：
下述代码源码在中能找到16k中文语音识别Aishell-1学术数据集 
使用ftp的put进行数据集上传至Linux上代码在data_process.py


代码在data.sh

最后data的结构：
模型链接
去掉mod]]></description><category></category></item><item><title><![CDATA[SecureCRT ftp操作]]></title><link>https://blog.youkuaiyun.com/LZL2020LZL/article/details/147025706</link><guid>https://blog.youkuaiyun.com/LZL2020LZL/article/details/147025706</guid><author>LZL2020LZL</author><pubDate>Sun, 06 Apr 2025 15:29:36 +0800</pubDate><description><![CDATA[securecrt  按下ALT+P打开secureCRT的FTP工具进行FTP操作。2.pwd:查询linux主机所在目录(也就是远程主机目录)3.Is:查询连接到当前linux主机所在目录有哪些文件。4.put:将本地目录中文件上传到远程主机(linux)2.lpwd:查询本地目录(上传文件的目录）4.get:将远程目录中文件下载到本地目录。3.IIS:查询当前本地上传目录有哪些文件。help命令,显示该FTP提供所有的命令。1.lcd:改变本地上传目录的路径。1.cd:改变远程上传目录。]]></description><category></category></item><item><title><![CDATA[使用taskset指定cpu核同时启动多进程]]></title><link>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146948767</link><guid>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146948767</guid><author>LZL2020LZL</author><pubDate>Wed, 02 Apr 2025 15:51:19 +0800</pubDate><description><![CDATA[在多核 CPU 系统中，若希望某个计算密集型任务（如音频处理、机器学习推理）独占一个核心，避免与其他进程竞争资源，可使用 taskset 绑定到特定核心。减少上下文切换（Context Switching）开销，提升缓存命中率。避免多任务争抢核心导致的性能波动。新建run.sh，内容为。确认 CPU 核心数。]]></description><category></category></item><item><title><![CDATA[已解决：SecureCRT中文显示乱码]]></title><link>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146938658</link><guid>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146938658</guid><author>LZL2020LZL</author><pubDate>Wed, 02 Apr 2025 11:13:27 +0800</pubDate><description><![CDATA[Options->Session Options->Appearance->Character encoding 为UTF-8。]]></description><category></category></item><item><title><![CDATA[超简单：Linux下opencv-gpu配置]]></title><link>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146556478</link><guid>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146556478</guid><author>LZL2020LZL</author><pubDate>Thu, 27 Mar 2025 14:03:25 +0800</pubDate><description><![CDATA[同样，遇到网络问题不用管，因为我们不需要下载案例，只是想使用opencv-gpu。注意：看好版本，opencv和opencv_contrib安装包的版本必须一致。1.下载opencv和opencv_contrib安装包。注意：在编译过程中遇到什么下载失败，如下图所示不需要管。2）复制链接去GitHub下载然后上传到服务器。2.配置 CMake。]]></description><category></category></item><item><title><![CDATA[已解决：yolov12代码在构建数据加载器时卡死，无报错但无进度伴随 CPU/GPU 占用率异常（如 0% 或 100%）]]></title><link>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146527326</link><guid>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146527326</guid><author>LZL2020LZL</author><pubDate>Wed, 26 Mar 2025 18:14:29 +0800</pubDate><description><![CDATA[由于debug用不了，所以进入程序埃横打印输出。最后问题锁定在plot_labels()位置，发现plot_labels()这横没走，也有很多网友遇到这个问题，实际上是inux没有显示屏 plot不了。不知道为什么yolov12在数据加载之后卡住即不报错也不动。可能伴随 CPU/GPU 占用率异常（如 0% 或 100%）代码在构建数据加载器时卡死，无报错但无进度。因此我将这横注释掉了，如下图所示。]]></description><category></category></item><item><title><![CDATA[一篇关于我对tensorrt的理解（包括：概念+代码实战）]]></title><link>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146480995</link><guid>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146480995</guid><author>LZL2020LZL</author><pubDate>Mon, 24 Mar 2025 17:32:18 +0800</pubDate><description><![CDATA[TensorRT是英伟达推出的一个深度学习推理（Inference）优化器，主要用于提高模型在NVIDIA GPU上的推理速度。它的核心目标是通过优化模型结构、减少计算资源消耗，显著提升模型推理速度（降低延迟）和吞吐量（每秒处理的样本数），同时保持模型精度。1）支持将主流框架（如 TensorFlow、PyTorch、MXNet）训练好的模型转换为 TensorRT 优化格式，常用中间格式为 ONNX。但注意：在pytorch框架下，使用trt必须通过onnx模型解析才可以构建。]]></description><category></category></item><item><title><![CDATA[paddleocr快速使用tensorrt进行推理加速]]></title><link>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146480080</link><guid>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146480080</guid><author>LZL2020LZL</author><pubDate>Mon, 24 Mar 2025 16:53:17 +0800</pubDate><description><![CDATA[shape_info_filename=“shape.txt”,首次运行：程序会分析输入图像的尺寸范围，并生成shape.txt文件。后续运行：直接复用该文件，避免重复优化。但是，在执行新的进程时一定要删除shape.txt文件再运行否则会报错。误区：使用tensorrt就一定要用到engine文件×，这里的文件地址输入是’models/ocr/ch_PP-OCRv4_det_infer/'，不需要我们自己转换。]]></description><category></category></item><item><title><![CDATA[onnx转trt报错79: reshape of empty tensor to non-empty tensor. Reshaping [1,0,120] to [0,1,0,120].)]]></title><link>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146400261</link><guid>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146400261</guid><author>LZL2020LZL</author><pubDate>Thu, 20 Mar 2025 16:22:04 +0800</pubDate><description><![CDATA[如果Reshape节点无法调整，考虑在模型前添加条件判断或调整层参数，避免生成空张量。]]></description><category></category></item><item><title><![CDATA[已解决：python多线程使用TensorRT输出为零？附tensorrt推理代码]]></title><link>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146396401</link><guid>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146396401</guid><author>LZL2020LZL</author><pubDate>Thu, 20 Mar 2025 14:51:30 +0800</pubDate><description><![CDATA[查了一些博客，说有可能是我cudnn版本和tensorrt的版本不和，但看有些人就算换完版本还是没有输出，我查我是有输入和一个模型的输出，因此我没有考虑换cudnn的版本。（更简单的理解：因为执行程序时多个不同类别模型在一起调用cuda来构建上下文，这就会导致上下文管理混乱，最终造成报错）因为网上的tensorrt推理代码都不全，又臭又长又看不懂，这里一起附上tensorrt推理代码。跟我猜的差不多就是因为trt没有输出，trt线路没通造成报错。管理CUDA上下文，以保证每个程序使用自己独立的上下文运行。]]></description><category></category></item><item><title><![CDATA[Port xxxxx is in use by another program. Either identify and stop that program, or start the server]]></title><link>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146340771</link><guid>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146340771</guid><author>LZL2020LZL</author><pubDate>Tue, 18 Mar 2025 14:25:11 +0800</pubDate><description><![CDATA[3.根据PID杀死该进程。1.安装netstat。]]></description><category></category></item><item><title><![CDATA[Linux上离线安装PyTorch教程：No module named ‘_bz2：No module named ‘_lzma‘]]></title><link>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146336073</link><guid>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146336073</guid><author>LZL2020LZL</author><pubDate>Tue, 18 Mar 2025 11:05:20 +0800</pubDate><description><![CDATA[复制后面的链接并打开，点击torch进入页面，向下滑选择合适的安装包，点击，下载后上传。同样是链接打开的页面往下滑找到torchvision选择合适的安装包，点击，下载后上传。使用–no-deps选项表示仅安装torchvision，若不添加会再次安装相关依赖且重新安装 torch。在终端，同文件的文件夹下执行。进入python安装包下执行。修改lzma.py文件。]]></description><category></category></item><item><title><![CDATA[解决：ModuleNotFoundError: No module named ‘_sqlite3‘]]></title><link>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146334258</link><guid>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146334258</guid><author>LZL2020LZL</author><pubDate>Tue, 18 Mar 2025 10:10:21 +0800</pubDate><description><![CDATA[编译和安装完之后，输入python import sqlite3 报错解决。进入之前下载的python包下，重新编译和安装Python。]]></description><category></category></item><item><title><![CDATA[docker容器的基本用法]]></title><link>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146332386</link><guid>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146332386</guid><author>LZL2020LZL</author><pubDate>Tue, 18 Mar 2025 09:18:33 +0800</pubDate><description><![CDATA[新建容器： sudo docker run -itd --name test --gpus all --cpuset-cpus=‘0-5’ -p 15002:15002 镜像名:tag /bin/bash /home/start.sh。容器导出为tar: sudo docker export -o xxx.tar 容器id   通过tar导入为镜像：sudo docker import xxx.tar 镜像名:tag。容器提交为镜像：sudo docker commit 容器名/容器id 镜像名:tag。]]></description><category></category></item><item><title><![CDATA[vscode使用ssh同时连接主机CentOS:user和ubuntu20.04:docker]]></title><link>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146331750</link><guid>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146331750</guid><author>LZL2020LZL</author><pubDate>Tue, 18 Mar 2025 09:16:02 +0800</pubDate><description><![CDATA[首先判断是不是自己容器中ssh的config文件没配置好导致所有人都链接不到它，如果能在本机下连上docker的ip那就是vscode的问题，再按照下图地址将红圈内的known_hosts内容删除，known_hosts.old文件删除，再次尝试链接。并且将port 22取消注释，这里注意一下，虽然我们docker在建立时候将端口号映射成20002（举例为20002:22）但是实际我们root的端口号仍未22，只不过别人调用我们需要使用20002。此时左侧会变成如下图所示的模样，若不同按照图片更改。]]></description><category></category></item><item><title><![CDATA[Python3.10报错 No module named ‘_ssl‘]]></title><link>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146319261</link><guid>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146319261</guid><author>LZL2020LZL</author><pubDate>Mon, 17 Mar 2025 16:50:27 +0800</pubDate><description><![CDATA[报错原因在编译python3.10的时候不存在ssl相关依赖包，因此在make$make install 时将ssl忽略了。2.重新编译python。]]></description><category></category></item><item><title><![CDATA[解决：有tensorrt8.6但是却找不到trtexec命令]]></title><link>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146205759</link><guid>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146205759</guid><author>LZL2020LZL</author><pubDate>Wed, 12 Mar 2025 15:29:23 +0800</pubDate><description><![CDATA[有tensorrt8.6但是却不能使用trtexec，错误如下所示。2.更改环境变量，让计算机知道trtexec的存在。1.首先查找trtexec是否存在，确定路径。]]></description><category></category></item><item><title><![CDATA[yolo-TensorRT相关代码逐步详解-pt转engine]]></title><link>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146158759</link><guid>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146158759</guid><author>LZL2020LZL</author><pubDate>Mon, 10 Mar 2025 17:28:39 +0800</pubDate><description><![CDATA[基于TensorRT 的推论运行速度会比仅使用CPU 快40倍，提供精度INT8 和FP16 优化，支援TensorFlow、Caffe、Mxnet、Pytorch 等深度学习框架，其中Mxnet、。这里以yolov12-main\ultralytics\engine\exporter.py为例，逐步解读tensorrt相关代码。，没啥可讲得。]]></description><category></category></item><item><title><![CDATA[CUDA12.1 cudnn9.0.1 python3.10.12配置TensorRT8.6.1，完成yolov12tensorRT推理完整过程]]></title><link>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146144774</link><guid>https://blog.youkuaiyun.com/LZL2020LZL/article/details/146144774</guid><author>LZL2020LZL</author><pubDate>Mon, 10 Mar 2025 15:41:43 +0800</pubDate><description><![CDATA[我在win上先进行解压然后上传到了Linux，直接上传会报错，所以进行拆分zip然后上传，但是却将文件夹中的重要文件丢失，找了很多解决方法，最后才关注到我的lib文件夹里面的文件少了很多，重新使用WiFi进行下载观察文件，重新上传，问题解决。千万不要在win的环境下进行安装包的解压操作，因为这样会丢失很多配置文件，后续会报错找不到libnvinfer.so.8等等。具体应该下载哪一版本的TensorRT呢，这里我问的秘塔AI，你们也可以问问它。下面展示了三种不同需求的模型推理代码，都可放心使用。]]></description><category></category></item></channel></rss>