jackylzh的专栏

原创 C# 中 LINQ 和 Lambda 表达式的 基本用法

C# 中 LINQ 和 Lambda 表达式的 基本用法

转载 YOLO26内存泄漏检测：长期运行稳定性优化方案

转。

原创 PyTorch 2.x 中 `torch.load` 的 `FutureWarning` 与 `weights_only=False` 参数分析

PyTorch 2.x 中 `torch.load` 的 `FutureWarning` 与 `weights_only=False` 参数分析

原创 解决Python OpenCV错误：The function is not implemented. Rebuild the library with Windows, GTK 2.x or Carb

解决Python OpenCV错误：The function is not implemented. Rebuild the library with Windows, GTK 2.x or Carb

原创 YOLO，视频模式results = model(source, stream=True)用法

在功能上是等价的，但后者是更明确、更推荐的API. 对于绝大多数用户来说，‌model.predict() 是进行推理的首选和推荐方式‌，因为它清晰、明确且易于使用.(在Ultralytics YOLO的实现中，生成器模式：当处理视频或图像序列时，stream=True 会将结果包装成一个 生成器（Generator），逐帧生成 Results 对象，而不是一次性返回所有结果。内存优化：避免同时加载全部帧的检测结果，显著降低内存占用（尤其对长视频或高分辨率输入至关重要）。

原创 调试YOLO常用报错解决方法

是一个用于确保程序在 Windows 系统上正确启动子进程的函数。它的主要作用是防止在“冻结”（即打包为独立的。torch.cuda.init() # 显式初始化 CUDA。mp.freeze_support() # 可选，但推荐保留。代码都应包裹在这个条件块中，以避免子进程递归导入主模块导致崩溃。# 模型定义、数据加载等 CUDA 相关操作。在使用 PyTorch 或 Python 的。文件）时出现递归创建进程的错误。# ... 其他训练逻辑。模块进行多进程编程时，

原创 测试YOLO26 及相关代码

如：yolo predict model=yolo26n.pt source='ultralytics-main/ultralytics/assets/bus.jpg' imgsz=640 conf=0.25。如： "datasets_dir": "D:\\pro\\datasets", #原来是 C:\\Windows\\System32\\datasets。数据集可以从 https://docs.ultralytics.com/zh/datasets/中的相关。

原创 配置环境并训练yolov11+（非常简洁，实用）

配置环境并训练yolov11+（非常简洁，实用）

原创 训练深度学习模型的提速方法

训练深度学习模型提速方法

原创 cmd或其它终端的dos命令 & events.out.tfevents文件怎么打开

cmd或其它终端的dos命令 & events.out.tfevents文件怎么打开

原创 数据集标签文件转换方法--将 XML 文件类型转化为 TXT 文件类型

数据集标签文件转换方法--将 XML 文件类型转化为 TXT 文件类型

原创 PyCharm中测试、训练YOLO方法

PyCharm中测试、训练YOLO方法

原创 配置pytorch环境，并调试YOLO

1. 在 Anaconda prompt（终端）中，输入 conda env list，可以查看已安装的虚拟环境。1. 终端中输入nvidia-smi 可以查看本机最高可安装的cuda版本（30XX 和 40XX GPU至少安装cu111，16XX需要安装102）5. pytorch安装，一个单独的环境中，能用pip就尽量使用pip，实在有问题再用conda安装。一、先安装Anaconda，建议安装Miniconda（文件小，少了很多不必要的包）（安装参考。四、安装pytorch（如之前没有安装）

转载 本地pytorch环境下利用YOLOv5训练自己的数据（包括加速训练参数设置与tensorboard查看）（转）

本地pytorch环境下利用YOLOv5训练自己的数据（包括加速训练参数设置与tensorboard查看）

原创 C# 调用yolov11 onnx 后处理关注点

C# 调用yolov11 onnx 后处理关注点， YOLOv11导出常见输出: [1,84,8400] 或 [1,8400,84]    // 84 = 4个(cx,cy,w,h) + 80个类别分数（无objectness）

原创 C# 调用 onnx格式的YOLOv11n模型

C# 调用 onnx格式的YOLOv11n模型， MatType.CV_32F

原创 如何在C#中配置ONNX Runtime以确保准确性和目标框位置的正确性？

如何在C#中配置ONNX Runtime以确保准确性和目标框位置的正确性？

原创 model.export参数说明

model.export参数说明

原创 深度学习中， WIN32为 Windows API 标识，匹配 Windows 系统，含 32/64 位

深度学习中， WIN32为 Windows API 标识，匹配 Windows 系统，含 32/64 位

原创 Getting Started with Jetson AGX Orin Developer Kit

AGX Orin 新机安装配置方法---官网，免费！

原创 PyTorch中torch.matmul()函数常见用法

torch.matmul()函数用法

原创 人工智能 精确率 召回率 准确率 概念及用法 理解

置信度阈值用于判断是是P还是N。IOU阈值用于判断是是T还是F。

原创 从内存角度理解函数值传递与地址传递的区别

内存角度理解函数值传递与地址传递的区别

原创 pycharm中使用GPU跑程序的通用例程

转载 假阳率（第一类错误）、假阴率，召回率、精确率

假阳率（第一类错误）、假阴率，召回率、精确率

转载 Python *和**用法

Python中的*（星号）和**(双星号）完全详解

转载 卷积神经网络CNN浅析(卷积池化、感受野、共享权重和偏置、特征图)

卷积神经网络CNN浅析(卷积池化、感受野、共享权重和偏置、特征图)

转载 卷积神经网络的理解与解释（核函数，通道）

卷积神经网络的解释，核函数，通道。介绍了卷积神经网络模型的核概念，通道，池化与采样，卷积等等一些概念

原创 SRCNN generate_train 阅读笔记

SRCNN

原创 SRCNN 笔记

图像超分辨率

转载 Average Recall(AR)相关解释

Average Recall(AR)相关解释

原创 python版本的AP值_07和10年的计算方式

python版本的AP值_07和10年的计算方式 （检测结果已经求出的情况）

原创 计算MAP的方法及置信度、 IoU的影响

计算MAP的方法及置信度 、IoU的影响

转载 路由器与交换机的区别与联系（转）

原文链接：https://blog.youkuaiyun.com/baidu_32045201/article/details/78305586转自路由器与交换机的区别与联系_WhataNerd的博客-优快云博客_路由器与交换机的主要区别路由器与交换机的区别与联系_WhataNerd的博客-优快云博客_路由器与交换机的主要区别相信有很多人在学习网络的过程中，都会对路由器与交换机的区别与联系感到疑惑不解，因为这两台设备的功能看起来似乎一样。然而，其实路由器与交换机大有不同，下面是我对此的一些理解，希望能够帮助..

原创 Python Main函数的使用

一、知识点Python作为一门较为灵活的解释型脚本语言，其中定义的main()函数只有当该Python脚本直接作为执行程序时才会执行；当该python脚本被作为模块(module)引入(import)时，其中的main()函数将不会被执行。两方面原因：一方面，main函数是所有执行程序的入口；另一方面，python的解释器是顺序执行脚本的并且不会调用任何不属于程序本身的代码和函数，需要补充说明的一点是，如果是被作为一个模块或库import到程序中，则会直接成为代码的一部分。二、例

原创 数据类型转换 特殊说明 short UInt16

例1：short i = -1; //16bitUInt16 j =(UInt16)i; // 结果j= 65535例2：UInt16 j = 65535; short i = (short)j; j = (UInt16)i; // 结果j= 65535存储器中存的 是 16bit的1.程序（员）把它看做有符号的short类型的数时，就是-1对应的补码。看做是无符号数时，就是655...

转载 分类性能度量指标 : ROC曲线、AUC值、正确率、召回率、敏感度、特异度

转自 ：https://blog.youkuaiyun.com/tanzuozhev/article/details/79109311https://zhuanlan.zhihu.com/p/66885681正确率(Precision)： 真阳性率(True Positive Rate，TPR)，灵敏度(Sensitivity)，召回率(Recall)：真阴性率(True Negative Rate，TNR)，特异度(Specificity)： 假阴性率(False Negatice Rate，FN.

转载 CUDA与cuDNN 关系

CUDA与cuDNN1、什么是CUDA CUDA(ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。2、什么是CUDNN NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学...

原创 QT QLineSeries replace 效率远比 append 高

series->clear(); QList<QPointF> ps; for (i = 0,p1=buffer1; i < num; i++,p1++) { ...

原创 QT 测程序时间 比较准确

先引用这个#include <windows.h>#include <QDebug>再定义这些：LARGE_INTEGER litmp;LONGLONG Qpart1,Qpart2,Useingtime;double dfMinus,dfFreq,dfTime;以下为测时程序： QueryPerform...