执迷发布的文章 - 执迷的博客 - Lovisnd BLOG

服务器内存告急？一招解决模型推理的内存泄漏！

摘要今天在巡检服务器时，意外发现模型预测占用了惊人的16GB内存！赶紧检查代码，发现每次模型推理都会悄悄增加约200MB的内存占用。经过一番排查，终于找到了问题的根源，并给出了解决方案。发现问题早上的服务器巡检真是让人心惊胆战，竟然发现模型推理的内存占用飙升至16GB！我立刻着手检查代码，发现每次推理时内存都会稳定增长约200MB。经过仔细分析，问题似乎出在这段代码上：// 加载ONNX运行环境和模型 OrtEnvironment environment = OrtEnvironment.getEnvironment(); // 创建会话选项 OrtSession.SessionOptions sessionOptions = new OrtSession.SessionOptions(); // 根据模型路径创建会话 OrtSession session = CommonService.getSession(environment, CommonConstant.YOLO_MODEL_PATH, sessionOptions);每次推理，session都会重新加载，而模型文件的大小恰

📘 开发记录 · 2024-07-03 · 705 人浏览

服务器内存告急？一招解决模型推理的内存泄漏！

我的CloudFlare DNS和DDNS配置之旅

摘要搭建个人博客后，我遇到了一个问题：每次访问都需要输入端口号，这不仅不便利，还影响了博客的分享和搜索引擎收录。为了解决这个问题，我开始探索使用CloudFlare进行域名解析和DDNS配置的解决方案。前言虽然可以通过设置导航页和保存书签来简化访问流程，但我更希望博客能够更容易地被分享和收录。因此，我决定利用CloudFlare来优化我的访问体验。CloudFlare DNS配置CloudFlare是一个强大的CDN和DNS服务提供商。通过注册和一些基本配置，我发现要让CloudFlare免费版生效，需要将域名的NS记录指向CloudFlare分配的地址。这意味着我需要将阿里云DNS解析修改为CloudFlare的地址，从而让CloudFlare接管我的域名解析。遇到的挑战配置完成后，我遇到了新问题：之前使用阿里云的CNAME记录将域名解析到tplink的二级域名上，避免了使用DDNS。但转到CloudFlare后，我需要重新考虑DDNS的配置。幸运的是，群晖套件中的GODDNS帮我解决了这个问题。通过下载、安装和配置CloudFlare的API令牌，我成功地让CloudFlare支持

📒 CDN · 2024-07-02 · 1171 人浏览

我的CloudFlare DNS和DDNS配置之旅

为React Native应用添加手电筒控制功能

摘要最近，我们对一个使用React Native开发的Android应用进行了功能更新，以满足客户在低光环境下使用摄像头扫码的需求。通过增加手电筒控制功能，我们提升了应用的实用性和用户体验。背景该应用已经长时间未进行维护，但客户提出了一个新的需求：在夜间或光线不足的环境中使用摄像头扫码时，能够自动或手动开启手电筒以提高扫码成功率。解决方案在检查了现有的代码后，我们发现已经包含了开启手电筒的权限。然而，flashMode={RNCamera.Constants.FlashMode.auto} 的设置并没有如预期那样在光线不足时自动开启手电筒。因此，我们决定修改配置，以确保手电筒在需要时始终处于开启状态。代码实现以下是我们对RNCamera组件的配置修改：<RNCamera style={styles.preview} type={RNCamera.Constants.Type.back} flashMode={this.state.torchMode ? RNCamera.Constants.FlashMode.torch : RNCamera.Constants.Fl

📘 开发记录 · 2024-06-25 · 862 人浏览

为React Native应用添加手电筒控制功能

使用YOLO5和ONNXRuntime实现塔工安全绳图像识别

摘要在公司最近开发的图像识别模块中，我们专注于识别塔工在上塔过程中是否正确扣好安全绳。经过研究和比较，我们选择了YOLO5作为核心算法，并采用ONNXRuntime在Java环境中进行模型的部署和预测。选择YOLO5YOLO5以其出色的性能和准确性在图像识别领域备受推崇。然而，YOLO5原生并不支持Java环境，这给我们的部署带来了挑战。解决方案：PT到ONNX的转换为了解决这一问题，我们探索了将YOLO5训练后的PyTorch权重文件(.pt)转换为ONNX格式的方法。这样，我们便能利用Java支持的ONNXRuntime进行模型的加载和预测。本地环境搭建我们推荐使用Anaconda来管理Python环境，确保依赖性和版本的一致性。以下是搭建本地环境的步骤：安装Anaconda。创建名为test的新的yolo测试环境：conda create --name test。激活yolo环境：conda activate test。转换流程在环境激活后，进入YOLO5的目录，并执行以下命令来输出ONNX模型：cd path/to/yolo python export.py --weights

📘 开发记录 · 2024-06-04 · 412 人浏览

使用YOLO5和ONNXRuntime实现塔工安全绳图像识别

在多JDK环境下配置Tomcat以使用特定JDK版本

摘要在服务器上运行多个使用不同JDK版本的项目时，正确配置Tomcat以确保每个项目都能使用其指定的JDK版本至关重要。问题背景Tomcat默认会使用环境变量JAVA_HOME和JRE_HOME指定的JDK和JRE环境。在多JDK环境中，若不进行适当配置，可能会导致项目无法正常运行。解决方案为了确保项目A和项目B能够分别使用JDK 1.8和JDK 17，我们需要对Tomcat的配置文件进行调整。项目A：使用JDK 1.8对于项目A，我们需要在Tomcat的bin目录下的setclasspath.bat文件中指定JDK 1.8的路径：set JAVA_HOME=C:\Program Files\Java\jdk1.8.0_181 set JRE_HOME=C:\Program Files\Java\jdk1.8.0_181\jre项目B：使用JDK 17对于项目B，由于JDK 17不包含独立的JRE目录，我们需要在setclasspath.bat文件中相应地调整配置：set JAVA_HOME=C:\Program Files\Java\jdk17.0.5 set JRE_HOME=C:

📘 开发记录 · 2024-04-01 · 352 人浏览

在多JDK环境下配置Tomcat以使用特定JDK版本

Powered by Typecho | Theme by Jasmine

您是第 31901 位访客