环境：yolov55.0电脑：戴尔笔记本当你用requirement下载好yolov5的对应的包后就需要使用detect去检测图片了。在5.0版本中，detect要修改的部分主要是以下部分其中第一条是你的模型可以自己训练也可以用它本身自带的。我们主要看第二条。将default改为’0’使用摄像头。一般笔记本默认的是内置摄像头即使接上usb摄像头也只有内置摄像头的图像进入设备管理器右键禁用内置摄像头如果接入usb摄像头这里也会显示出usb，确保内置摄像头被禁用而usb摄像头被启用即可调用usb摄像头。

目录python安装包官网安装验证python模块安装安装模块安装位置查询是否成功cuda驱动安装查询cuda驱动支持版本官网安装查询安装pytorch安装查询cuda驱动版本pytorch官网查询是否成功d2l安装官网最终检验环境是否搭建成功debug记录python安装包官网第一步首先在python官网下载适合自己电脑的python版本(注意x86是32位的，x86-64是64位的)这里选择3.7版本官网：www.python.org/downloads/在下面选取想要的版本选择安装包：web-based安装包最小，是基于网络安装，下载快，executable是exe安装，embeddab

一、问题：近期在入手三维重建中，发现很多项目程序都需要Pytorch3d库，其官网定义为：PyTorch3Dprovidesefficient,reusablecomponentsfor3DComputerVisionresearchwithPyTorch.可知Pytorch3d库可以提供多种应用于3D视觉处理的组件，其在ubuntu下安装较为简单，但win下稍繁琐，本贴是对个人安装方法的记录。二、安装方法安装要点：cuda、pytorch、NVIDIACUB版本的严格对应安装所需链接：Pytorch3d各版本：Pytorch3dReleasesDownloadNVIDIACUB下载：NVID

一、问题：近期在入手三维重建中，发现很多项目程序都需要Pytorch3d库，其官网定义为：PyTorch3Dprovidesefficient,reusablecomponentsfor3DComputerVisionresearchwithPyTorch.可知Pytorch3d库可以提供多种应用于3D视觉处理的组件，其在ubuntu下安装较为简单，但win下稍繁琐，本贴是对个人安装方法的记录。二、安装方法安装要点：cuda、pytorch、NVIDIACUB版本的严格对应安装所需链接：Pytorch3d各版本：Pytorch3dReleasesDownloadNVIDIACUB下载：NVID

目录一、任务介绍二、实验过程2.1使用正确版本的yolov5进行训练(平台：x86机器windows系统)2.2best.pt转换为best.onnx（平台：x86机器window系统）2.3best.onnx转换为best.rknn（平台：x86机器Linux系统）2.3.1环境准备和工具包安装2.3.2onnx转换为rknn2.4RK3588部署rknn实现NPU加速（平台：aarch板子Linux系统）三、总结一、任务介绍        瑞芯微RK3588是一款搭载了NPU的国产开发板。NPU（neural-networkprocessingunits）可以说是为了嵌入式神经网络和边缘计

目录一、任务介绍二、实验过程2.1使用正确版本的yolov5进行训练(平台：x86机器windows系统)2.2best.pt转换为best.onnx（平台：x86机器window系统）2.3best.onnx转换为best.rknn（平台：x86机器Linux系统）2.3.1环境准备和工具包安装2.3.2onnx转换为rknn2.4RK3588部署rknn实现NPU加速（平台：aarch板子Linux系统）三、总结一、任务介绍        瑞芯微RK3588是一款搭载了NPU的国产开发板。NPU（neural-networkprocessingunits）可以说是为了嵌入式神经网络和边缘计

一、前言        由于工程项目中需要对视频中的person进行关键点检测，我测试各个算法后，并没有采用比较应用化成熟的Openpose，决定采用检测精度更高的HRnet系列。但是由于官方给的算法只能测试数据集，需要自己根据算法模型编写实例化代码。        本文根据SimDR工程实现视频关键点检测。SimDR根据HRnet改进而来，整个工程既包括HRnet又包括改进后的算法，使用起来较为方便，而且本文仅在cpu上就可以跑通整个工程。二、环境配置        python的环境主要就是按照工程中SimDR与yolov5的requirement.txt安装即可。总之缺啥装啥。三、工程准

一、前言        由于工程项目中需要对视频中的person进行关键点检测，我测试各个算法后，并没有采用比较应用化成熟的Openpose，决定采用检测精度更高的HRnet系列。但是由于官方给的算法只能测试数据集，需要自己根据算法模型编写实例化代码。        本文根据SimDR工程实现视频关键点检测。SimDR根据HRnet改进而来，整个工程既包括HRnet又包括改进后的算法，使用起来较为方便，而且本文仅在cpu上就可以跑通整个工程。二、环境配置        python的环境主要就是按照工程中SimDR与yolov5的requirement.txt安装即可。总之缺啥装啥。三、工程准

文章目录前引🚀YOLOv5-6.x源码分析（一）----detect.py1.导入需要的包2.执行main函数3.设置opt参数4.执行run函数4.1初始化一些配置4.2载入模型4.3加载数据4.4推理部分4.4.1热身部分4.4.2对每张图片/视频进行前向推理4.4.3NMS后处理除去多余的框4.4.4预测过程4.4.5打印目标检测结果前引这算是我的第一个正式博客文章吧，在准备动手写内容的时候，都有点无从下手的感觉。anyway，以后应该会写的越来越娴熟的。YOLO系列我已经用了接近一年了吧，从去年暑假开始学习，打算入坑深度学习，其中跑过demo，自己用Flask搭配YOLOv5写过网页端

        大家好，我是虎哥，JestonOrinnano8G模块，提供高达40TOPS的AI算力，安装好了Jetpack5.1之后，我们需要配置一些支持环境，来为我们后续的深度学习开发提供支持。本章内容，我将主要围绕安装对应版本pytorch跟torchvision展开。         安装好了Jetpack5.1之后，我才发现英伟达官方还没有正式发布适配的pytorch版本跟torchvision版本，但是我在官方的论坛里面发现了这个：InstallingPyTorchforJetsonPlatform-NVIDIADocs通过：PyTorchforJetson-JetsonNano