<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[TracelessLe的专栏]]></title><description><![CDATA[Better Life, Better World.]]></description><link>https://blog.csdn.net/TracelessLe</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; TracelessLe]]></copyright><item><title><![CDATA[/usr/bin/ld: cannot find -lcuda报错分析]]></title><link>https://blog.csdn.net/TracelessLe/article/details/154124643</link><guid>https://blog.csdn.net/TracelessLe/article/details/154124643</guid><author>TracelessLe</author><pubDate>Thu, 30 Oct 2025 14:02:11 +0800</pubDate><description><![CDATA[文章分析了编译错误/usr/bin/ld: cannot find -lcuda的常见原因，包括CUDA未正确安装、路径配置错误或多版本冲突。提供了详细的排查步骤：验证CUDA安装状态(nvcc --version)、查找libcuda.so文件路径、设置LD_LIBRARY_PATH环境变量、创建必要的符号链接。同时补充了驱动兼容性检查(nvidia-smi)和版本冲突处理建议。]]></description><category></category></item><item><title><![CDATA[创建的Docker镜像SIZE过大，如何优化？]]></title><link>https://blog.csdn.net/TracelessLe/article/details/145611028</link><guid>https://blog.csdn.net/TracelessLe/article/details/145611028</guid><author>TracelessLe</author><pubDate>Thu, 13 Feb 2025 14:16:26 +0800</pubDate><description><![CDATA[Docker 是一个开源软件，也是一个开放平台，用于开发应用、交付（shipping）应用、运行应用。Docker允许用户将基础设施（Infrastructure）中的应用单独分割出来，形成更小的颗粒（容器），从而提高交付软件的速度。本文简要介绍如何将Docker容器打包成镜像后，打出的镜像SIZE特别大，如何查看内容是否是自己想要的。]]></description><category></category></item><item><title><![CDATA[将Docker容器打包成镜像提交]]></title><link>https://blog.csdn.net/TracelessLe/article/details/145610639</link><guid>https://blog.csdn.net/TracelessLe/article/details/145610639</guid><author>TracelessLe</author><pubDate>Thu, 13 Feb 2025 14:03:28 +0800</pubDate><description><![CDATA[Docker 是一个开源软件，也是一个开放平台，用于开发应用、交付（shipping）应用、运行应用。Docker允许用户将基础设施（Infrastructure）中的应用单独分割出来，形成更小的颗粒（容器），从而提高交付软件的速度。本文简要介绍如何将Docker容器打包成镜像并提交到Docker仓库。]]></description><category></category></item><item><title><![CDATA[使用Kaggle API快速下载Kaggle数据集]]></title><link>https://blog.csdn.net/TracelessLe/article/details/137118830</link><guid>https://blog.csdn.net/TracelessLe/article/details/137118830</guid><author>TracelessLe</author><pubDate>Thu, 28 Mar 2024 17:46:54 +0800</pubDate><description><![CDATA[通过使用Kaggle API在服务器上下载数据集，我们可以避免网页下载的慢速和下载失败的问题，实现快速且稳定的下载过程。]]></description><category></category></item><item><title><![CDATA[使用Huggingface镜像站hf-mirror.com下载资源]]></title><link>https://blog.csdn.net/TracelessLe/article/details/135950215</link><guid>https://blog.csdn.net/TracelessLe/article/details/135950215</guid><author>TracelessLe</author><pubDate>Wed, 31 Jan 2024 18:45:00 +0800</pubDate><description><![CDATA[hf-mirror.com是Huggingface的镜像网站，为用户提供了一个备用的访问通道，解决了无法访问huggingface.co的问题。通过hf-mirror.com，我们可以正常地下载所需的模型和数据集，享受Huggingface提供的强大功能。]]></description><category></category></item><item><title><![CDATA[使用7zip解压CRC校验失败的zip文件]]></title><link>https://blog.csdn.net/TracelessLe/article/details/134060792</link><guid>https://blog.csdn.net/TracelessLe/article/details/134060792</guid><author>TracelessLe</author><pubDate>Thu, 26 Oct 2023 17:53:00 +0800</pubDate><description><![CDATA[偶尔遇到一些zip压缩文件，使用unzip解压时会遇到类似“CRC校验失败”而导致解压失败的问题。这个时候可以考虑使用7zip来解压。7-Zip 是一款拥有极高压缩比的开源压缩软件，支持常见的压缩格式，还具备修复一些压缩包文件损坏的能力。]]></description><category></category></item><item><title><![CDATA[通过调整图像hue值并结合ImageEnhance库以实现色调增强]]></title><link>https://blog.csdn.net/TracelessLe/article/details/131291532</link><guid>https://blog.csdn.net/TracelessLe/article/details/131291532</guid><author>TracelessLe</author><pubDate>Thu, 22 Jun 2023 23:13:39 +0800</pubDate><description><![CDATA[PIL库中的ImageEnhance类可用于图像增强，可以调节图像的亮度、对比度、色度和锐度。通过RGB到HSV的变换加调整可以对图像的色调进行调整。两种方法结合可以达到更大程度的图像色调增强。]]></description><category></category></item><item><title><![CDATA[TensorRT 从7.2升级到8.5，改写plugin以适配新版本]]></title><link>https://blog.csdn.net/TracelessLe/article/details/131092706</link><guid>https://blog.csdn.net/TracelessLe/article/details/131092706</guid><author>TracelessLe</author><pubDate>Wed, 07 Jun 2023 18:07:37 +0800</pubDate><description><![CDATA[TensorRT是NVIDIA推出的一款高效深度学习模型推理框架，其包括了深度学习推理优化器和运行时，能够让深度学习推理应用拥有低时延和高吞吐的优点。
TensorRT的版本迭代速度非常快，很多之前写的plugin在版本升级后可能就没法直接使用，这时就需要将代码升级，以适配新版TRT。本文仅记录TRT从7.2升级到8.5时，改写plugin过程中需要注意的内容。]]></description><category></category></item><item><title><![CDATA[PyTorch2.0向后兼容性和加速效果浅探]]></title><link>https://blog.csdn.net/TracelessLe/article/details/130659455</link><guid>https://blog.csdn.net/TracelessLe/article/details/130659455</guid><author>TracelessLe</author><pubDate>Sat, 13 May 2023 19:58:01 +0800</pubDate><description><![CDATA[在PyTorch2022开发者大会上，PyTorch团队发布了一个新特性——，将PyTorch的性能推向了新的高度，称这个新版本为PyTorch2.0。的引入不影响之前的功能，其是一个完全附加和可选的功能，因此PyTorch2.0完全向后兼容，基于之前1.x版本开发的项目可以直接迁移到PyTorch2.0使用。]]></description><category></category></item><item><title><![CDATA[TensorFlow的GPU使用相关设置整理]]></title><link>https://blog.csdn.net/TracelessLe/article/details/127758774</link><guid>https://blog.csdn.net/TracelessLe/article/details/127758774</guid><author>TracelessLe</author><pubDate>Tue, 08 Nov 2022 21:25:22 +0800</pubDate><description><![CDATA[TensorFlow是一个在机器学习和深度学习领域被广泛使用的开源软件库，用于各种感知和语言理解任务的机器学习。默认情况下，TensorFlow 会映射进程可见的所有 GPU（取决于 CUDA_VISIBLE_DEVICES）的几乎全部内存。这是为了减少内存碎片，更有效地利用设备上相对宝贵的 GPU 内存资源。但有时我们不需要这种特性，所以需要想办法避免这种情况。本文简要介绍TensorFlow的GPU使用相关设置。]]></description><category></category></item><item><title><![CDATA[无CUDA支持的dlib库的安装与使用]]></title><link>https://blog.csdn.net/TracelessLe/article/details/127750183</link><guid>https://blog.csdn.net/TracelessLe/article/details/127750183</guid><author>TracelessLe</author><pubDate>Tue, 08 Nov 2022 19:45:00 +0800</pubDate><description><![CDATA[Dlib 是一个 C++ 工具包，被广泛应用于工业和学术界。Dlib 的开源许可允许在任何应用程序中免费使用它。Dlib支持导出其他编程语言如Python的binding。在Python环境下一般安装dlib很方便，直接使用pip安装即可。但是某些时候由于CUDA支持的问题导致部分模型使用dlib库进行推理会出现异常。本文简要介绍无CUDA支持的dlib库的安装与使用。]]></description><category></category></item><item><title><![CDATA[Bash语法中的字符串拼接与比较]]></title><link>https://blog.csdn.net/TracelessLe/article/details/127696075</link><guid>https://blog.csdn.net/TracelessLe/article/details/127696075</guid><author>TracelessLe</author><pubDate>Fri, 04 Nov 2022 21:01:27 +0800</pubDate><description><![CDATA[编写bash脚本，字符串的拼接和比较等语法经常会被用到，需要掌握其规则。]]></description><category></category></item><item><title><![CDATA[基于GStreamer和FFmpeg的OpenCV安装和使用]]></title><link>https://blog.csdn.net/TracelessLe/article/details/126967385</link><guid>https://blog.csdn.net/TracelessLe/article/details/126967385</guid><author>TracelessLe</author><pubDate>Wed, 21 Sep 2022 10:36:52 +0800</pubDate><description><![CDATA[OpenCV的全称是Open Source Computer Vision Library，是一个跨平台的计算机视觉库。是由英特尔公司发起并参与开发，以BSD许可证授权发行，可以在商业和研究领域中免费使用。可用于开发实时的图像处理、计算机视觉以及模式识别程序。本文简要介绍基于gstream和FFmpeg的opencv安装和使用。]]></description><category></category></item><item><title><![CDATA[基于libjpeg-turbo库的jpeg4py安装与使用记录]]></title><link>https://blog.csdn.net/TracelessLe/article/details/126597802</link><guid>https://blog.csdn.net/TracelessLe/article/details/126597802</guid><author>TracelessLe</author><pubDate>Tue, 30 Aug 2022 10:35:32 +0800</pubDate><description><![CDATA[jpeg4py是Python cffi (C Foreign Function Interface) libjpeg-turbo 绑定和辅助类工具包，是为 libjpeg-turbo 提供线程安全和感知GIL的Python绑定，基于Python 2/3 和 numpy 运行。目前只能解码 jpeg 文件，在单线程中比 Image.open().tobytes() 和 scipy.misc.imread() 快约 1.3 倍，在多线程模式下快 9 倍................]]></description><category></category></item><item><title><![CDATA[label-studio批量上传本地数据]]></title><link>https://blog.csdn.net/TracelessLe/article/details/125750165</link><guid>https://blog.csdn.net/TracelessLe/article/details/125750165</guid><author>TracelessLe</author><pubDate>Tue, 12 Jul 2022 19:52:36 +0800</pubDate><description><![CDATA[Label Studio是一个非常好用的开源数据标注工具，拥有对包括音频、文本、图片、视频和时间序列等各种数据类型的标注能力，有简单易用的UI设计和多导出格式的支持，能够有利于数据准备和利用已有训练数据提升机器学习模型精度。

本文内容简要介绍如何在label-studio中批量上传本地数据。当我们希望在label-studio中批量上传本地数据时，可以通过将本地数据以http服务的方式暴露给label-studio访问。以下以Ubuntu系统为例进行说明。将本地数据（如待批量导入的图片）放在运行label]]></description><category></category></item><item><title><![CDATA[label-studio的内容存储数据库（sqlite3）读取]]></title><link>https://blog.csdn.net/TracelessLe/article/details/125748363</link><guid>https://blog.csdn.net/TracelessLe/article/details/125748363</guid><author>TracelessLe</author><pubDate>Tue, 12 Jul 2022 19:17:25 +0800</pubDate><description><![CDATA[Label Studio是一个非常好用的开源数据标注工具，拥有对包括音频、文本、图片、视频和时间序列等各种数据类型的标注能力，有简单易用的UI设计和多导出格式的支持，能够有利于数据准备和利用已有训练数据提升机器学习模型精度。

本文内容简要介绍如何读取label-studio的内容存储数据库的内容。当我们希望使用脚本读取或批量修改label-studio的数据内容时，需要通过存储数据内容的sqlite3文件访问内容：

版权说明
本文为原创文章，独家发布在blog.csdn.net/TracelessLe。]]></description><category></category></item><item><title><![CDATA[解决Docker容器apt无法下载问题]]></title><link>https://blog.csdn.net/TracelessLe/article/details/125527926</link><guid>https://blog.csdn.net/TracelessLe/article/details/125527926</guid><author>TracelessLe</author><pubDate>Wed, 29 Jun 2022 20:48:03 +0800</pubDate><description><![CDATA[Docker 是一个开源软件，也是一个开放平台，用于开发应用、交付（shipping）应用、运行应用。 Docker允许用户将基础设施（Infrastructure）中的应用单独分割出来，形成更小的颗粒（容器），从而提高交付软件的速度。本文内容简要介绍如何解决Docker容器的apt无法下载问题。当在容器中使用apt下载时，会报如下错误：
一般是网络无法连接访问对应包导致的，即使也仍然报错。考虑添加不同的apt源来解决这个问题......]]></description><category></category></item><item><title><![CDATA[caffemodel2pytorch使用记录]]></title><link>https://blog.csdn.net/TracelessLe/article/details/125002548</link><guid>https://blog.csdn.net/TracelessLe/article/details/125002548</guid><author>TracelessLe</author><pubDate>Fri, 27 May 2022 14:07:02 +0800</pubDate><description><![CDATA[前言
caffemodel2pytorch是用于对caffe模型转PyTorch模型的工具。对于需要对模型进行框架间的迁移帮助很大。

caffemodel2pytorch安装和测试
安装所需依赖环境
安装protobuf，注意使用root安装，或使用sudo权限安装。
wget https://github.com/google/protobuf/archive/v2.6.1.zip
unzip protobuf-2.6.1.zip
cd protobuf-2.6.1

如果网络能ping通google，]]></description><category></category></item><item><title><![CDATA[使用Python对GIF读取、生成、压缩和加水印]]></title><link>https://blog.csdn.net/TracelessLe/article/details/124152387</link><guid>https://blog.csdn.net/TracelessLe/article/details/124152387</guid><author>TracelessLe</author><pubDate>Wed, 13 Apr 2022 17:20:22 +0800</pubDate><description><![CDATA[环境说明
Python环境下对GIF文件进行读取、生成、压缩和加水印，主要使用到的包有：
cv2
imageio
pygifsicle
ffmpeg

读取
__author__ = "TracelessLe"

import cv2
import os
import numpy as np

class GIF():
    def __init__(self, file_path):
        self.file_path = file_path
        self.material = []]></description><category></category></item><item><title><![CDATA[使用imageio写视频文件指定输出质量]]></title><link>https://blog.csdn.net/TracelessLe/article/details/124146863</link><guid>https://blog.csdn.net/TracelessLe/article/details/124146863</guid><author>TracelessLe</author><pubDate>Wed, 13 Apr 2022 14:51:22 +0800</pubDate><description><![CDATA[前言
imageio是一个比较好用的用于读写图片数据的Python library，在处理视频数据时是以imageio_ffmpeg为backend的。

问题
当使用imageio读写视频时，其会调用imageio_ffmpeg包以使用ffmpeg作为backend。常用调用方法如下：
__author__ = "TracelessLe"

import imageio

if __name__ == "__main__:
	video_path = 'test.mp4'
	video_reader = ]]></description><category></category></item></channel></rss>