问答-0615(周)版本发布内容,BUG建议反馈有奖!

CSDN问答 问答小助手 2022-06-16 17:20:30

主要更新

1、相关推荐条目限制5条

2、支持官方账号对回答进行编辑

3、精华内容增加精华标记

4、频道筛选样式优化

5、PC端支持查看回答点赞的用户

6、期待你的建议反馈


问答近期主要更新功能来啦,欢迎体验建议!按照惯例,请将你本周发现的问答Bug或对问答的建议回答在下方,如果有好的建议我们将会随机打赏哦!

注:PC端导航栏的问答入口下线了,可以点击”学习“栏目,进入学习页面后,选择问答导航栏进入问答,或者直接访问问答的地址:https://ask.csdn.net/

auto-orient,1

1、相关推荐条目限制5条

问题详情页下方的相关推荐条目数简化为5条,让页面更加简洁,不同的内容类型也增加了相应标识,方便大家更好区分哦

 

2、支持官方账号对回答进行编辑

对于优质的回答,官方账号会不定期对部分回答内容进行编辑,主要是帮助更正错别字,重复符号删减等等,帮助提升回答质量。如果有编辑动作,可以在编辑记录中查看到具体的编辑信息哦~

 

3、精华内容增加精华标记

对于加精的内容,问题详情页增加了精华标记,方便大家识别精华内容

 

4、频道筛选样式优化

我们对频道筛选样式进行了优化,增加重置和筛选按钮,在当前页对最近选中的条件增加了缓存记录,可以保存近期的筛选条件,不会清空哦

 

5、PC端支持查看回答点赞的用户

将鼠标悬浮在解决按钮上,即可看到回答点赞的用户昵称哦

6、期待你的建议反馈

此次还有一些小细节优化,不一一赘述,等待大家使用过程中发现啦,使用过程中你若发现问答的Bug或有对问答的建议,想要添加的功能,请在下方回答,我们会给优秀的建议送上打赏哦~如果别人提出的功能建议,你觉得不错可以给他点个赞哦!人气越高被解决的速度越快哦!非问答的bug可以到这里反馈哦:CSDN建议专区

关于BUG反馈,请按照下方格式反馈:
1、Bug描述:描述Bug发生的场景
2、发生的环境:浏览器版本/电脑版本
3、Bug页面链接:出现Bug页面的链接
4、Bug截图:提供对应的Bug截图
5、其他补充信息

 

...全文
1527 回复 打赏 收藏 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
源码链接: https://pan.quark.cn/s/a376b5a3a265 在 Windows 操作系统中配置 GPU 的 CUDA 开发环境是一项具有高度必要性的工作,这对 GPU 计算效能与深度学习算法的达成具有决定性的作用。本文将详尽阐述在 Windows 系统中配置 CUDA 开发环境的操作流程,并且处理一些可能遭遇的挑战。 一、版本匹配的关键性 在配置 CUDA 开发环境之前,必须检查项目所应用的 TensorFlow 版本,并明晰 TensorFlow、Python、CUDA 以及 cuDNN 各组件之间的适配关系。这一环节极为关键,因为不同版本间存在一定的兼容性障碍。倘若版本不一致,可能会导致配置失败或引发其他并发症。 二、获取并配置 CUDA 在确认所需安装的版本之后,可从 NVIDIA 的官方网站获取对应的 CUDA 版本。下载完毕后,依照安装指引进行配置。在配置过程中,有几个重点环节需要留意: 1. CUDA 需要借助 C++ 编译器的支持,在 Windows 平台上必须安装 Visual Studio。若设备未预装 Visual Studio,在配置 CUDA 时会提示选择安装哪个版本。 2. CUDA 的路径应保持默认,以便于后续环境变量的配置。 三、配置完成后的验证 配置结束后,需要确认是否配置成功。主要运用 CUDA 自带的 deviceQuery.exe 和 bandwidthTest.exe 两个工具: 1. 通过 win+R 启动 cmd,切换至安装目录下的 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extra...
文末附数据集可视化效果图。 【数据集概况】 · 检测类别(中文):[香烟(Cigarette)] · 训练集:636 张 · 验证集:182 张 · 测试集:91 张 · 总计:909 张 该数据集聚焦于多类人物在不同环境下的香烟使用行为,涵盖室内、室外、公共与私密等多种真实生活场景,具有高度的现实应用价值,可为公共场所吸烟行为识别、健康警示系统及社会行为研究提供高质量视觉样本支持。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 100 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.5645** mAP50-95 | 0.3009 Precision | 0.7024 Recall | 0.5510 train/box_loss | 1.1101 train/cls_loss | 0.6001 val/box_loss | 2.0088 val/cls_loss | 1.6177 【训练过程分析】 100 轮训练后 mAP50 仅 0.5645,模型收敛不充分。Loss 曲线前期下降后进入平台期,mAP 提升缓慢。mAP50-95 为 0.3009,定位精度同样偏低。 【模型性能评估】 Precision 0.7024、Recall 0.5510,精度高于召回,存在一定漏检。 【预测效果展示】 验证集预测效果偏弱,漏检和误检较多,小目标和边缘场景的检出能力不足。 【改进建议】 1. 丰富场景多样性:补充不同光照、背景和遮挡条件下的样本。 2. 提升输入分辨率:640 对定位精度支撑不足,尝试 800 或 1024 改善 mAP50-95。...

3,285

社区成员

发帖
与我相关
我的任务
社区描述
CSDN问答频道公告内容发布
社区管理员
  • 社会瑞弟呀
  • ToTensor
  • CSDN问答
加入社区
  • 近7日
  • 近30日
  • 至今

试试用AI创作助手写篇文章吧