- 博客(2)
- 收藏
- 关注
RSS订阅原创 RDK S100P的种种----yolov11量化模型在地瓜派上量化部署
本文详细介绍了YOLOv11模型在地瓜派RDK S100P开发板上的量化部署过程。文章首先提供了相关参考资料和官方示例，然后详细说明了环境部署建议。重点阐述了YOLOv11模型转换ONNX格式的方法，以及使用hb_compile工具进行BPU算子检测的关键步骤。特别指出了YOLOv11中C2PSA算子可能导致的BPU兼容性问题，并分析了该模块的结构特性。文章为在边缘设备上部署最新YOLO模型提供了实用指导，包含完整的代码示例和问题解决方案。
2026-02-28 21:11:51
1382
1
原创 NanoDet训练与部署
warm-up 是指在训练的初期，逐渐增加学习率的过程，以帮助模型更好地收敛到最优解，逐渐增加学习率，而不是直接使用高学习率再衰减的原因是防止在模型初始时高学习率快速降低损失函数至局部最优导致模型后期学习率衰减无法跳出局部最优寻找全局最优（长难句，个人理解）使用一个简单的线性回归案例，持续高学习率确实可以快速收敛，加快模型收敛速度，突破局部最优寻找全局最优，但是到了模型训练后期，应该缓慢降低学习率，否则高学习率会导致模型陷入局部震荡无法正常收敛，如下图。转载请注明来自 polar-bear～Blog！
2026-02-28 21:06:08
818
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人