<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[keyanjun_AI的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/keyanjun_AI</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; keyanjun_AI]]></copyright><item><title><![CDATA[从零开始的Hailo-8配置教程]]></title><link>https://blog.youkuaiyun.com/keyanjun_AI/article/details/148367764</link><guid>https://blog.youkuaiyun.com/keyanjun_AI/article/details/148367764</guid><author>keyanjun_AI</author><pubDate>Sun, 01 Jun 2025 17:07:02 +0800</pubDate><description><![CDATA[1、简介2、环境搭建3、测试4、其他问题记录树莓派5是树莓派基金会推出的最新一代单板计算机（SBC），延续了系列“低成本、高性能”的设计理念。它基于ARM架构，适用于编程教育、物联网开发、智能家居控制、媒体中心搭建及工业自动化等场景，尤其适合需要一定计算能力且预算有限的项目。Hailo-8是由以色列Hailo公司开发的AI加速模块，专为边缘计算场景设计。它通过PCIe/M.2接口与主控板（如树莓派5、NVIDIA Jetson）连接，提供高性能、低功耗的深度学习推理能力。]]></description><category></category></item><item><title><![CDATA[在树莓派4B上利用Tkinter构建Stable Diffusion运行界面]]></title><link>https://blog.youkuaiyun.com/keyanjun_AI/article/details/147916048</link><guid>https://blog.youkuaiyun.com/keyanjun_AI/article/details/147916048</guid><author>keyanjun_AI</author><pubDate>Tue, 13 May 2025 09:34:16 +0800</pubDate><description><![CDATA[在此文中配置好了树莓派4B上的Stable Diffusion运行环境，但是每次运行都必须要输入一串指令，人机交互不够友好，因此本文利用Tkinter库进行简单的界面开发，能够具有更好的交互界面，如下图所示：界面主要包括正向提示词、反向提示词、生成步数、输出文件名、运行状态监视框、开始生成按钮以及停止生成按钮几部分组成。正向提示词输入框：框中可以输入要生成的内容；反向提示词输入框：框中输入不希望生成的内容或者质量控制词；]]></description><category></category></item><item><title><![CDATA[从零开始在树莓派4B上配置并运行Stable Diffusion]]></title><link>https://blog.youkuaiyun.com/keyanjun_AI/article/details/147814928</link><guid>https://blog.youkuaiyun.com/keyanjun_AI/article/details/147814928</guid><author>keyanjun_AI</author><pubDate>Fri, 09 May 2025 10:41:27 +0800</pubDate><description><![CDATA[Stable Diffusion 是一种基于扩散模型的生成式 AI 工具，能够通过文本描述生成高质量图像。其核心模型包含约 10 亿参数，通常需要至少 8GB 显存的 GPU 支持，但在优化技术下可适配资源受限设备。模型由文本编码器、UNet 扩散模型和 VAE 解码器三部分组成，计算复杂度较高。]]></description><category></category></item><item><title><![CDATA[从零开始配置YOLOv12-BoT-SORT-ReID算法]]></title><link>https://blog.youkuaiyun.com/keyanjun_AI/article/details/147233830</link><guid>https://blog.youkuaiyun.com/keyanjun_AI/article/details/147233830</guid><author>keyanjun_AI</author><pubDate>Mon, 14 Apr 2025 21:55:43 +0800</pubDate><description><![CDATA[反无人机是指在野外发现、探测、识别和跟踪无人机 （UAV） 目标，同时根据 RGB 和/或热红外 （IR） 视频估计目标的跟踪状态。当目标消失时，需要给出目标的不可见标记。许多更高层次的应用可以建立在反无人机的基础上，例如重要区域的安全、防御无人机攻击以及自动持续保护免受无人机入侵带来的潜在威胁。中国北京北方电子设备研究所的反无人机项目旨在推动无人机在野外的发现、探测和跟踪的前沿技术的发展。最近，无人机凭借其自主性、灵活性在民用和公共领域获得广泛的应用。]]></description><category></category></item><item><title><![CDATA[在 Google Research Football 上利用 PPO 训练 AI （Win10）]]></title><link>https://blog.youkuaiyun.com/keyanjun_AI/article/details/138586710</link><guid>https://blog.youkuaiyun.com/keyanjun_AI/article/details/138586710</guid><author>keyanjun_AI</author><pubDate>Wed, 08 May 2024 21:30:12 +0800</pubDate><description><![CDATA[  Google Research Football 推荐使用的是Tensorflow 1.15版本，官方版是在 CUDA 10.0上进行编译的，使用的 RTX3060 在运行训练代码时会报 “failed to run cuBLAS routine: CUBLAS_STATUS_EXECUTION_FAILED” 错误，检查显存时发现显存占用并不多，究其原因是30系显卡对 CUDA 10.0 的兼容性不好。]]></description><category></category></item><item><title><![CDATA[从零开始安装 Google Research Football （Win10）]]></title><link>https://blog.youkuaiyun.com/keyanjun_AI/article/details/138475581</link><guid>https://blog.youkuaiyun.com/keyanjun_AI/article/details/138475581</guid><author>keyanjun_AI</author><pubDate>Sun, 05 May 2024 22:27:00 +0800</pubDate><description><![CDATA[Google Research Football 是由Google Research开发的一个足球仿真环境，用于研究强化学习、机器学习和人工智能等领域。该环境基于开源的Football环境（Football Environment for Reinforcement Learning），并进行了一些改进和扩展。]]></description><category></category></item><item><title><![CDATA[Stable Diffusion入门系列之安装]]></title><link>https://blog.youkuaiyun.com/keyanjun_AI/article/details/132124960</link><guid>https://blog.youkuaiyun.com/keyanjun_AI/article/details/132124960</guid><author>keyanjun_AI</author><pubDate>Sat, 05 Aug 2023 21:46:34 +0800</pubDate><description><![CDATA[我们小时候经常训练看图说话，即给定一张图，用自己的语言描述图像中包含的内容。与之相反，Stable Diffusion 是一种根据文字描述生成对应图像的模型。那么它是如何实现的呢？网络上的很多文章从数学原理上进行介绍，虽然更为准确，但是对读者的理论基础要求会更高一些。对于没有接触过人工智能算法的读者们，可能看的云里雾里。因此，笔者准备用更为浅显的语言解释一下基本原理，更专业的理论会在后续进行进一步介绍。]]></description><category></category></item></channel></rss>