Awesome Computer Vision, 做计算机视觉的程序员

显然已经没有了传统CV的位置了，由于大模型算力要求高···除了唯一一道Open-set比赛外，其他都变成了方案型，不再线上比拼指标了。仅剩的一道CV题，也不是普通的刷某个任务了，变成了开放集检测。要抓紧拥抱变化···拥抱大模型了，问题来了，卡呢···同行们转方向转得咋样了。

为导出的onnx中出现了Dropout层，一般的推理框架是不支持推理的时候用dropout的。

本文简述了在yolov8中增加FPPI评价指标，可以用来直观的表现模型的效果，指导阈值的选取。

参加的比赛叫长三角（芜湖）人工智能视觉算法大赛，参加这个比赛也是挺巧合的，关注了一些公众号，晚上刷公众号的时候刷到了，正好那段时间公司也在问有没有什么比赛可以参加，和同事沟通了一下，当时也不算忙，就决定参加体验一下了，也没有抱着拿奖拿奖金什么的。简单的说就是统计进出的人数，并且判断性别，然后通过工牌做去重。【长三角（芜湖）算法大赛-基于跨时空跟踪的客流统计】-计算机视觉算法竞赛-极市开发者平台 (cvmart.net)大模型时代了，这类比赛不知道今年还有没有了···希望第一次不是最后一次。

tx2整个升级过程还是比较容易的，只要别用虚拟机，满足基础条件。如果出错了，则进入恢复模式，重复这些步骤。官方完整文档：https://docs.nvidia.com/sdk-manager/introduction/index.html。

通过大神的项目，如果我们买了copilot，就能免费使用gpt4了，虽然并不是最新的版本，不过也显然比gpt-3.5要强了，赶紧用起来吧···说不准哪天微软把这条路给堵上了。

1.做了 支持N个芯片的测试框架，自认为极大的提升了效率。创作都是在晚上，现在有了书房，幸福了很多。公司快快上市，多多发股票，哈哈哈。

本文简述了在yolov7中增加FPPI评价指标，可以用来直观的表现模型的效果，指导阈值的选取。

edge浏览器自动更新了，更新后侧边栏的copilot（以前的New Bing）图标没了···查了网上的各种方法，说的比较多的是安装Edge Dev, 改地址等等，都比较麻烦，再装一个Edge也是不爽。终于在B站的评论里看到一个贼方便的方法，不需要装Dev。只需要先将语言设置为英文，重启浏览器，然后再改回来即可。

深度学习三大件：数据、模型、Loss。一个好的Loss有利于让模型更容易学到需要的特征，不过深度学习已经白热化了，Loss这块对一个成熟任务的提升是越来越小了。虽然如此，也不妨碍我们在难以从数据和模型层面入手时，从这个方面尝试了。

这一篇结合上一篇就可以吧基于FGD算法的蒸馏训练起来了，其他蒸馏的修改也大同小异了。