Dora_blank的博客

本文将详细介绍跑通YOLOv11的流程，并给各位提供用于训练、评估和模型推理图像视频的脚本，最后会放一个基于yolov11的简单小界面，支持推理图像和视频

在往期博客中，我们详细介绍了如何搭建YOLOv10和YOLOP的环境。本期将结合这两个算法，实现多类别目标检测、可行驶区域分割和车道线分割等多种任务，并将其部署到PYQT界面中进行展示。

本文将详细介绍跑通YOLOv10的流程，并给各位提供用于训练、评估和模型推理的脚本。

文章目录前言一、环境搭建二、测试三、训练3.1 下载数据集3.2 在./lib/config/default.py中修改相关参数四、模型评估五、可能遇到的报错5.1 测试视频报错 IndexError: boolean index did not match indexed array along dimension 0; dimension is 1536 but corresponding boolean dimension is 14405.2 训练报错 TypeError: can't pickl

文章目录前言1、必要环境2、安装2.1 创建python3.7虚拟环境2.2 下载pytorch (pytorch版本>=1.7)2.3、配置YOLOx环境2.4、测试效果注意：图片和视频路径要放在当前文件夹下！！！！3、训练自己的VOC数据集4、测试5、模型评估:6、根据README.md流程走可能会出现的报错6.1 编码报错 UnicodeDecodeError：gbk xxxxx6.2 根据readme文档安装apex时报错 Removed build tracker:xxxxxxx6.3 d

文章目录前言一、必要环境二、操作流程三、可能遇到的报错3.1、报错【Pycharm】Error running 'xxx: Can't run remote python interpreter: Can't get remote credentia3.2 、 报错 qt.qpa.xcb: could not connect to display3.3 、崩溃 Xshell突然无法连接服务器总结前言今天突然想试一下，然后踩了一下午坑一、必要环境Pycharm+Xshell+ubuntu16.04

文章目录前言一、必要环境二、安装2.1 下载ffmpeg2.2 下载EasyDarwin源码2.4 修改内部参数三、运行四、测试五、可能遇到的报错前言在linux环境下搭建EasyDarwin提示：以下是本篇文章正文内容，下面案例可供参考一、必要环境Ubuntu16.04、cuda10.1、cudnn7.6.5二、安装2.1 下载ffmpegsudo add-apt-repository -y ppa:djcj/hybrid && sudo apt update &amp

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言1、必要环境2、安装2.1、创建python3.7虚拟环境2.2、 安装PaddlePaddle2.12.3、安装PaddleDetection2.4、测试是否安装成功3、测试3.1、测试图片效果3.2、测试视频效果4、准备数据集4.1准备自己的VOC数据集4.2将数据集划分为训练集和测试集5、训练自己的数据集前言利用windows10系统搭建PaddleDetection2.0环境，并制作自己的VOC数据集，利用PPYO