m0_73406727的博客

原创 火山引擎邀请码

链接：DeepSeek满血版免费领啦！邀请好友注册和使用，最高双方可获得145元代金券，免费抵扣3625万tokens，畅享R1与V3模型！

原创 硅基流动SiliconCloud 邀请奖励持续进行，2000 万 Tokens 送不停！

硅基流动统一登录 硅基流动用户系统，统一登录 SSO。

原创 deepseek 本地部署

右键图标，会出现退出的按钮「Quit Ollama」，注意：一定要退出Ollama，否则下边的环境配置无法生效！在 Chatbox 中打开设置，在模型提供方中选择 Ollama，即可在模型下拉框中看见你运行的本地模型。安装完成后，会在电脑右下角出现Ollama图标，可以不用先启动Ollama，先退出做一些必要路径的配置！双击安装文件，点击「Install」开始安装。点击后，会弹出一个网页，我们点击左上角，选择刚刚安装好的，再点右上角的设置。好的，我们现在已经将Ollama安装完毕，下载结束后，点击安装。

原创 更改conda 环境默认安装位置

三、若是还是在默认位置下，修改 要防止位置的 权限。一、找到".condarc"

原创 卸载Anaconda教程

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。原文链接：https://blog.youkuaiyun.com/qq_45344586/article/details/129282889。三、之后页面会出现一个WANNING，这个我们不用在意，然后会出现一个y/n提示框，在这里我们输入y或者Y。最后重启一次电脑，再打开有关Anaconda的文件与图标均会消失，至此Anaconda卸载完成！之后同样会出现一个y/n提示框，在这里我们输入y或者Y。

原创 deepseek R1部署

通过以上步骤，你应该能够在本地环境中成功部署DeepSeek，并开始使用其强大的功能。如果在过程中遇到问题，可以查阅DeepSeek的官方文档或寻求社区的帮助。DeepSeek 是一款功能强大的开源大语言模型，本地部署可以避免服务器繁忙的问题，并提高数据安全性。1. 访问DeepSeek的官方网站或Ollama的模型库，根据你的需求选择合适的模型版本下载。2. 启动后，通过浏览器或其他方式访问DeepSeek的服务端点，确保服务正常运行。- Ollama：一个轻量级的AI模型运行框架，支持多个开源模型。

原创 deepseek v1手机端部署

在你的Android手机浏览器中访问[这个链接](https://github.com/termux/termuxapp/releases/download/v0.119.0beta.1/termuxapp_v0.119.0beta.1+aptandroid7githubdebug_universal.apk)下载Termux应用。访问[这个链接](https://dev.hkgpt.top/shop/46)获取你的API Key。如果需要下载1.5b版本的模型，只需将命令中的`8b`替换为`1.5b`。

原创 zotero7 插件使用

zotero7 插件

原创 autodl 使用学习（持续更新）

autodl-tmp是指数据盘，可以看作我们电脑上存放资料的D/E/F盘等。autodl-pub是指系统盘，可以看作我们电脑上的主机C盘。第一种：先压缩，在下载。

原创 yolo 训练自己的数据集

训练自己的数据集

原创 RuntimeError: CUDA error: device-side assert triggered

在训练中报错：RuntimeError: CUDA error: device-side assert triggered。解决方法：yaml文件中 类别数不对，增加你的类被的即可。

原创 CoCo_annotation_2017

链接:https://pan.baidu.com/s/14oipBkQCQ4FzN4gWNQ1oTw?【超级会员V4】通过百度网盘分享的文件：annotati…复制这段内容打开「百度网盘APP 即可获取」

原创 anaconda创建环境后默认位置设置

在anconda下面创建环境，默认到了，c盘下，需修改.condarc并且放在anaconda环境目录下（个人需求是想放在anaconda中的envs里面）确保你有在 D:\ProgramData\anaconda3\envs 目录下创建文件的权限。里面有我添加的channel和envs_dirs这个是放置环境的位置。均给足够的权限，我给所有组和用户名都是“完全控制”如果上述步骤不起作用，你可以使用。的环境，并直接将其放在指定的。这个是我的.condarc文件。确保你修改的是正确的。

原创 windows下环境变量开启方式

在“系统属性”对话框中，点击“高级”标签页，然后在该页面下方点击“环境变量”按钮。这将打开环境变量设置界面，允许你查看和修改用户环境变量和系统环境变量。1、我的电脑，右击，属性，高级系统设置，高级！这将打开“系统属性”对话框。组合键，这将打开“运行”窗口。：在“运行”窗口中输入。

原创 anaconda安装

上面的命令中，myenv是设置环境的名称（-n是指该命令后面的myenv是你要创建环境的名称），2并安装Python 3.8版本。注意选择与你的系统架构（32位或64位）匹配的版本。注意：创建环境时，可以指定要安装在环境中的Python版本。通常，对于数据分析和机器学习用途，推荐下载包含完整功能的Anaconda发行版。使用conda配置管理Python环境是一种方便的方式来管理和切换不同的Python环境。conda 的包管理功能和pip 是一样的，使用pip 来安装包也是没问题的。

原创 配置Anaconda的源

记得，配置文件`.condarc`通常位于用户的主目录下（Windows系统中通常是`C:\Users\\`，Linux和macOS中是`~/.condarc`），你可以直接编辑这个文件来手动调整配置，但使用命令行工具进行配置更加方便且不易出错。注意：移除`defaults`通道可能会导致某些包无法找到，因为不是所有包都能在其他镜像中找到。因此，这个操作需谨慎考虑。完成上述步骤后，当你使用conda安装或更新软件包时，它会优先从这些新添加的镜像源中获取数据，从而可能显著提高下载速度。

原创 falsk配置login.html 背景图片

图片，从而使得背景图片能够在网页上正确显示。这样修改后，Flask 会自动处理。

原创 软件著作权申请（未完待续）

选择注册身份，个人还是单位。

原创 yolov8中train脚本

【代码】yolov8中train脚本。

原创 yolov8训练指标解读

表示当前是第70个epoch，总共要训练100个epoch。：表示当前训练过程中使用的GPU内存为0.879 GB。：表示当前epoch的边界框损失（bounding box loss）为1.057。：表示当前epoch的分类损失（classification loss）为3.581。：表示当前epoch的分布焦点损失（distribution focal loss）为1.556。：表示在当前epoch中处理的实例数量为4。：表示当前处理的类别为a11。：表示当前epoch中处理的图像数量为202。

原创 yolov8model 中解读

模型在使用 NVIDIA TensorRT 优化后的推理速度，单位是毫秒（ms）。: 列出了 YOLOv8 的不同变体，包括 YOLOv8n、YOLOv8s、YOLOv8m、YOLOv8l 和 YOLOv8x，这些可能是不同大小或性能配置的模型。: 模型在 NVIDIA A100 GPU 上运行时的推理速度，单位是毫秒（ms）。: 模型在 CPU 上运行时，使用 ONNX（Open Neural Network Exchange）格式的推理速度，单位是毫秒（ms）。: 模型的参数总数。

原创 查看显卡使用情况

在 Windows 系统上，可以通过任务栏上的 NVIDIA 控制面板图标来快速查看 GPU 使用情况，或者通过 NVIDIA 控制面板的“帮助”->“系统信息”部分来获取更详细的信息。这是一个非常有用的命令，可以提供关于你的 NVIDIA GPU 的详细信息，包括 GPU 的使用率、显存使用情况、GPU 时钟频率、电源使用情况、温度以及正在运行的进程等。命令可能需要管理员权限，特别是在 Linux 系统上，你可能需要使用。查看 NVIDIA 显卡的使用情况，你可以使用命令行工具。

原创 (持续更新学习)yolov8中设置参数

例如，在指数衰减中，学习率会随着训练的进行按照一定的指数规律逐渐减小。都被设置为 0.001，这意味着初始学习率是 0.001，并且可能有一个与之配套的学习率衰减策略，使得学习率随着训练的进行逐渐减小。例如，如果使用学习率衰减策略，每个 epoch 的学习率可能是前一个 epoch 的。：如果使用动态调整学习率的策略（如学习率衰减），可能需要较少的 epoch，因为学习率的变化有助于模型在训练过程中保持活跃。：简单的模型可能在较少的 epoch 后就能收敛，而复杂的模型可能需要更多的 epoch。

原创 yolov8中配置文件args.yaml解读

【代码】yolov8中配置文件args.yaml解读。

原创 yolo训练中停止指令

在某些深度学习框架中，可以设置早停机制，当验证集上的性能在一定数量的轮次（epoch）内没有改善时，训练将自动停止。：设置周期性保存模型的检查点，如果在训练过程中需要停止，可以从最近的检查点重新开始，而不是从头开始训练。：如果你想要自动停止训练，可以在启动训练命令之前使用超时命令。：如果你使用的是集成开发环境（IDE）或某些训练管理工具，它们可能提供了停止训练的界面按钮或命令。：在大多数命令行界面中，你可以使用特定的快捷键来终止正在运行的进程。数值，这样训练将在达到这个轮次后自动停止。

原创 yolov8中的指令使用说明

这些命令将显示所有可用的参数和它们的详细说明。由于 YOLOv8 仍在开发中，具体的参数和命令可能会有所变化，因此强烈建议查看最新的官方文档或使用。命令来获取最准确的信息。

原创 yolov8训练中出现问题

有时候，显存不足可能是由于代码中的内存泄漏或模型中的某些操作导致的。参数的值，可以提高数据加载的效率，但这也可能增加内存的使用。：如果可能的话，尝试使用具有更多显存的 GPU，例如从 GTX 1080 Ti 切换到更高级的 GPU。先训练模型的一部分，然后逐步增加训练的复杂性。参数的值，例如减小到 512 或 640 像素，这样可以减少每次迭代所需的显存。：在训练前关闭不必要的应用程序和进程，确保 GPU 显存尽可能多地被释放。：确保数据加载和预处理步骤尽可能高效，避免不必要的内存使用。

原创 问题：Retrying (Retry(total=2, connect=None, read=None, redirect=None, status=None)) after connection b

2、通过系统设计找到 ''代理'' 关闭手动代理设置即可。原因分析：由于使用梯子无法连接到国内源。1、关闭梯子，并退出梯子。

原创 安装mim

pip install openmim

原创 几种数据集格式

每种格式都有其特定的用途和优势，选择哪种格式取决于具体的应用场景和需求。例如，JSON格式因其易于阅读和编辑的特性，常用于存储复杂的标注信息；而TFRecord格式则因其高效的读写性能，适用于大规模的机器学习任务。在机器学习和计算机视觉领域，有多种数据集格式被广泛使用来存储和交换数据，尤其是图像数据。

原创 卷积学习笔记

上采样和下采样是图像处理中常见的操作，它们在许多应用中发挥着重要作用。下采样可以减小图像的尺寸和计算量，而上采样则用于增加图像的分辨率或恢复细节。在深度学习中，这些技术被广泛用于构建各种网络架构，如卷积神经网络和生成对抗网络。

原创 coco数据集2017百度云链接分享

链接：https://pan.baidu.com/s/1u_xHA9qlEYufip2js5rNTg。--来自百度网盘超级会员V4的分享。

原创 jupyter notebook打开路径

在相应cmd窗口中打开的jupyter notebook 都是默认下的。

原创 创建一个新的Conda环境

Conda将会下载并安装你指定的Python版本和任何你要求的包。这可能需要一些时间，具体取决于你的网络连接和你请求的包的大小。：运行以下命令来创建一个新的Conda环境。默认情况下，这将会安装最新版本的Python（但你可以指定版本，如下面的例子所示）。：现在你可以在新环境中安装和使用Python包，而不会影响到其他环境。：一旦环境被创建，你需要激活它才能在其中安装或使用包。在macOS和Linux上，你可能需要首先确保你的shell配置文件（如。：根据你的操作系统，打开相应的命令行界面。

原创 anaconda下移除环境

在移除环境之前，请确保你已经备份了任何重要的数据或文件，因为此操作将永久删除该环境及其所有内容。

原创 py-faster-rcnn 下载的数据集说明

这个目录结构似乎与PASCAL VOC（Visual Object Classes）挑战相关，一个常用于计算机视觉任务的基准数据集。PASCAL VOC提供了多个版本的数据集，其中包括图像、标注文件（如边界框和分割掩码）以及一些用于处理这些数据的实用工具代码。总的来说，这个目录结构提供了一个组织良好的框架，用于存储和访问PASCAL VOC数据集及其相关的工具代码和文件。（如果数据集也包括2012年的版本）或其他用于存储模型、结果、日志等的目录。

原创 ModuleNotFoundError: No module named ‘keras.engine‘

如果您正在使用的 Mask R-CNN 代码库是基于旧版本的 Keras 和 TensorFlow 设计的，可能需要确保您安装了正确版本的 Keras 和 TensorFlow。有时候，虚拟环境中的 Python 包之间可能会产生冲突，所以创建一个全新的 Python 虚拟环境，并在这个环境中重新安装所有必须的包，有助于解决问题。消息中提到的 oneDNN 的提示是关于 TensorFlow 的优化，这个通常不会引起错误，它只是说明启用了 oneDNN。创建一个新的环境，然后安装所有必要的包。

原创 yolov8 训练数据格式

原创 Python脚本分类数据集7:2:1

source_image_dir = "D:\\hzx_study\\gispro_\\test-4-标注对象-1\\1\\images"source_label_dir = "D:\\hzx_study\\gispro_\\test-4-标注对象-1\\1\\labels"dataset_split_dir = "D:\\hzx_study\\gispro_\\test-4-标注对象-1\\分类了""""将文件从源路径移动到目标目录，并打印移动结果""""""确保目录存在，如果不存在则创建"""

原创 在安装openmmlab的seg项目中发现 配置安装mmcv库的时候发现,会ERROR: Could not build wheels for mmcv-full, which is required

在下面网站找到 相应的下载地址。