huzhifei的专栏

1.在yolov8 的目标检测代码上加上关键点解析输出，下载yolov8n-pose.pt转换为onnx格式的 yolov8n-pose.onnx ，输出 1,56,8400。4.在推理结果解析的时候，增加关键点信息的输出，这里只取出17个关键点的中的前5个关键点。注：原始的目标检测代码来自网上，在此基础上增加关键点检测代码。5.在640*640推理的后的坐标信息转换为原图坐标信息。2.在输出结果结构体中加上关键点的集合 kps。3.修改classNums的值获取。6.在原图中标出最前面的5个关键点。

这里的文件路径是宽字节的，通过onnx文件直接加载模型。加密模型的部署的主要思路是读取加密模型文件---->解密加密模型---->将明文onnx内容传给onnx API函数加载，使用的函数如下: Ort::Session这个函数是一个参数重载函数，可以传递文件路径，或者传递模型文件内存空间地址和空间长度。 所以文件的加密方式可以自己定，能够解密出onnx明文就可以，将这个文件内存传给Ort::Session即可。其中:decrypted 是解密后的多字节格式的on

这个paddleocr_keys.txt 的字符编码格式是可以修改，改为ANSI 格式，这样在cmd行中就不会中文乱码。我只是个代码搬运工，需要下载代码的地址。

发现这段Cmake指令在cmd中是无法执行的，经过更改如下可以执行了。主要是处理多行识别问题。一个比较死板的办法把"\" 去掉。中间有段文字加了""处理。1.Paddle FastDeploy 在cmake 时的命令执行报错处理。

windows tvm 编译

如下在创建模型时出现的错误model = tf.keras.Sequential()报错内容为：tensorflow.python.framework.errors_impl.InvalidArgumentError: assertion failed: [0] [Op:Assert] name: EagerVariableNameReuse经过网上查找相关处理方法，分析可能是"使用的时候应该指定未使用的GPU“。没有说具体的解决方法。我这里的处理的方法是降低Tensorflow-gp

Win10 下Pytorch1.9.0+cu102 安装 onnxruntime-gpu 后运行到onnx模型加载推理后一直提示加载库错误[E:onnxruntime:Default, provider_bridge_ort.cc:952 onnxruntime::ProviderLibrary::Get] Failed to load library, error code: 126查看onnxruntime-gpu的版本是1.8.1，经过分析这类错误大多和版本相关。pip insta...