YOLO视觉检测应用入门篇（四）上一篇，我们对dataset有了一定的了解。这一篇，是时候来训练一个模型了。 准备我们假定你已经准备好了数据集和yolo环境，可以在yolo11n.pt的基础上进行进一步的训练。 训练下面是示例代码 123456789101112131415161718192021222324252627282930313233343536373839404142434445464

YOLO视觉检测应用入门篇（三）上一篇，我们介绍了device参数的应用，使得我们的模型训练更加高效。这一篇，我们暂时放一放参数，聊一下数据集。 数据集 Dataset很多时候，训练的结果和数据集息息相关。数据集质量差，再训练也不会有很好的结果。巧妇难为无米之炊，因此数据集非常重要。 数据集组成第一篇我们使用了coco8数据集，这是一个非常小的数据集，用于普通的演示。我们可以看到，数据集分为：

YOLO视觉检测应用入门篇（二）上一篇，我们介绍了YOLO最基础的训练和预测。这一篇，我们稍微进阶一些。 device =上一篇中，我们使用官方的sample模型，显然速度不算快。因为我们使用的是device = cpu，即仅使用cpu进行训练。事实上，使用GPU训练才是主流。因为GPU对于卷积神经网络的计算是非常擅长的，比cpu擅长得多。具体的原因，在了解YOLO的原理时，我

YOLO视觉检测应用入门篇（一） 写在前面网上看到很多刚刚入门学习YOLO的，不管是为了论文，还是实际应用，发出的帖子下面基本都是要收费的广告。YOLO本就是开源的，很多资料也可以免费获取，因此想想写一下入门的应用。 引言YOLO视觉检测在B站和网络上有大量视频教程、资料。但绝大部分都关注的是YOLO的原理。从卷积开始讲起，一直讲到神经网络如何优化。上采样下采样让小白云里雾里不知所云。事实上有一部

使用什么技术来建一个Blog目前比较主流的有WordPress、Hugo、Hexo等。今天介绍的是Hexo 为什么使用Hexo因为Hexo技术非常成熟，而且不差。Hexo Theme的Github很多都是3、4年前甚至7、8年前就不更新了。因为相对已经很稳定了。 TIP当然，也有还在不断更新的，比如Next，Fluid等 最重要的原因是：我用HUGO

最近学习Yolo检测，于是开发了一个模型训练的控制台。目的是能够便捷的输入训练参数，并提供GUI界面便于管理整个项目。已经开源在Github上。

背景通勤路线很熟不需要导航。但难免路上有突发情况，提前知晓路况可以选择更有效率的路线。 目标实现开车自动显示通勤路况 条件使用CarPlay实现 效果日常通勤（上下班）自动显示路况（一般提供三种选择） 实现步骤苹果地图建立一个快捷指令，命名举例为“车载导航” 说明时间范围按自己的出行区间自定义目的地B为中间目的地，不需要可以删除整个判断逻辑 快捷指

使用赛博佛祖Cloudflare的pages可以快速免费建立自己的网页/网站。并通过*.pages.dev访问。还可以绑定自己的域名。重点是：免费！快速！ 准备好网页/网站内容，单个文件内容不超过25MB。内容都在一个文件夹内并且有一个index.html 注册/登陆Cloudflare 选择workers & pages。 create page项目 选择

日本旅行时吃过很多连锁快餐店，松屋，吉野家等等。但我还是最喜欢弥生轩。 第一次吃是在奈良站。行程规划了在那里用餐最方便，也只是看着图片不错。但是确实非常好吃，以至于在东京特意搜索了去吃。差别是奈良的大字海报写着“本国大米”，而东京的就没有。不过最近日本大米太贵，估计这个广告也不打了吧。 之前是自助机点餐了，现在有网络和app。app有优惠券可以在点餐机抵扣，但是app只在日本app store上

小米中枢网关如果需要区别开门的人来触发不同的自动化，需要操作ID但并没有直接可以看到门锁操作ID的地方。简单几步： 创建全局变量门锁ID 创建自动化获取操作ID赋值给变量 门锁实际操作后，在日志内读取。