写在前面本篇文章是对笔者前几天学习过程的一个记录，鉴于这类文章较少，写出来方便后来者。本文侧重于yolov5的快速使用，原理部分概括较少，希望你看完本文章后也能成功进行目标检测。GPU租赁平台：https://www.autodl.com/homeyolov5官方代码：https://github.com/ultralytics/yolov5作者更改后代码：链接：https://pan.baidu.com/s/1oZWhHjAy_Wp4mg6doaSrkQ提取码：f7re数据集：链接：https://pan.baidu.com/s/1Ra7bf5JQavIA69kNLiUnXA提取码：6z0j
免费运行stablediffusion的方案中，googlecolab方案是最好的，但是但是他每24小时会清空数据，每次跑图都要重新下载模型。。。那么我们该如何长期保有自己的数据呢？文本将解决这个问题，除翻越问题外唯一的前提就是你的google云盘还有足够的空间~~预先学习：安装及其问题解决参考：《Windows安装StableDiffusionWebUI及问题解决记录》；运行使用时问题《Windows使用StableDiffusion时遇到的各种问题整理》；模型运用及参数《StableDiffusion个人推荐的各种模型及设置参数、扩展应用等合集》；提示词生图咒语《AI绘图提示词/咒语/词缀
链接在这（需要科学上网）Vicuna-13B:BestFreeChatGPTAlternativeAccordingtoGPT-4🤯|Tutorial(GPU)有人在B站转了人家的视频ChatGPT：在你的本地电脑上运行Vicuna-13B🤯|教程(GPU)下面就是部署的步骤，其中有一步需要科学上网下载docker镜像dockerpullnvidia/cuda:11.7.0-cudnn8-devel-ubuntu18.04因为他这个模型就认cuda:11.7版本，所以我用了人家官方模型。运行docker镜像dockerrun-it--name$容器的名字--gpusall-p3000:3000
平台提供的Jupyter接口可以让用户直接在网页实现对所租服务器的控制。不用直接操作SSH。创建实例后，快捷工具直接点Jupyter,这时你就已经在操作你租的服务器了，已经实现和你服务器的连接了。打开终端那个黑框，你就已经在使用你租的服务器的Linux系统了,就已经可以通过输入Linux命令来对你租的系统里的资源进行使用了。环境搭建：一开始自己设置的环境是服务器默认环境，可能够用，也可能不够。不够的话可以通过anconda来搭建：在AutoDL平台租用的服务器上搭建、激活和查看环境，可以按照以下步骤进行：创建并激活环境在AutoDL平台租用的服务器上搭建环境可以使用conda或者pip等工具，
朋友们，你们有没有为安装GPU版本的pytorch而苦恼过？搜的明明是GPU的安装教程，一顿操作猛如虎，最后print(torch.cuda.is_available())结果居然是False。不要慌，接下来给你介绍一个在anaconda虚拟环境下安装的最稳妥的教程！！！1Anaconda虚拟环境建立1.1创建新环境condacreate-npy39python=3.9#py39是指环境名字，你可以改为你想要的名字#python=3.9中的3.9是指安装的python版本，你也可以改为其他版本1.2激活（进入）虚拟环境condaactivatepy39#py39是你对应的环境的名字#进入环境后
1.使用importtorchtorch.cuda.is_available()------>Falseprint(torch.version)-->查詢torch版本2.命令行，輸入nvidia-smi3.直接去網站找出相對應版本https://download.pytorch.org/whl/torch_stable.htmlcuda:11.7->cu117python3.9->cp39torch1.13.0->torch-1.13.0win64->win_amd644.選擇該版本後pipinstallxx.whl
安装方法InstallationGuide—NVIDIACloudNativeTechnologiesdocumentation1.本地节点添加NVIDIA驱动程序要求：NVIDIAdrivers~=384.81先确保你的主机上的NVIDIA驱动程序正常工作，你应该能够成功运行nvidia-smi并查看你的GPU名称、驱动程序版本和CUDA版本$nvidia-smiThuJul1411:49:332022+-----------------------------------------------------------------------------+|NVIDIA-SMI515.57
阿里云GPU租用费用价格表，GPU计算卡包括NVIDIAV100计算卡、T4计算卡、A10计算卡和A100计算卡，GPU云服务器gn6i可享受3折优惠，阿里云百科分享阿里云GPU服务器学生优惠价格、GPU服务器收费价格表、GPU服务器多少钱一个小时等费用明细表：目录阿里云GPU服务器收费价格表阿里云GPU服务器优惠活动价格阿里云GPU学生优惠价格阿里云GPU服务器多少钱一小时？阿里云GPU服务器收费价格表GPU云服务器分为多种实例规格，如NVIDIAV100GPU卡的GPU云服务器gn6v实例、GPU云服务器gn6i采用T4计算卡、GPU云服务器gn7e实例采用A100计算卡、GPU云服务器g
ONNX模型部署环境创建1.onnxruntime安装2.onnxruntime-gpu安装2.1方法一：onnxruntime-gpu依赖于本地主机上cuda和cudnn2.2方法二：onnxruntime-gpu不依赖于本地主机上cuda和cudnn2.2.1举例：创建onnxruntime-gpu==1.14.1的conda环境2.2.2举例：实例测试1.onnxruntime安装onnx模型在CPU上进行推理，在conda环境中直接使用pip安装即可pipinstallonnxruntime2.onnxruntime-gpu安装想要onnx模型在GPU上加速推理，需要安装onnxrun
对于深度学习，官方指出在GPU算力高于5.0时，可以用来跑神经网络JetsonProductsGPUComputeCapabilityJetsonAGXXavier7.2JetsonNano5.3JetsonTX26.2JetsonTX15.3TegraX15.3GeForceandTITANProductsGPUComputeCapabilityGeForceRTX30908.6GeForceRTX30808.6GeForceRTX30708.6NVIDIATITANRTX7.5GeforceRTX2080Ti7.5GeforceRTX20807.5GeforceRTX20707.5Gefo
