GXKIM
GXKIM
佬，可以给一个推理的例子吗
> 你上面用的 fp16 下面用的 bf16 同问，我也发现训练效果有较大的差别
> Reference 不是这个原因，更多的应该还是收到参数的影响
> [@GXKIM](https://github.com/GXKIM) 您好，感谢您的反馈。 请提供一下mindspore版本、mindyolo分支版本信息。以及所使用的的模型算法。 mindspore 2.4.1 mindyolo 0.3.0 yolo v10 yolov10x_500e_mAP537-aaaa57bb.ckpt
还是不对的 真实的坐标 [1071.48876953125,1468.3426513671875,1328.7930908203125,1621.630126953125] [1741.990966796875,1526.464111328125,1891.8211669921875,1688.5267333984375] [1617.1199951171875,649.5117797851562,1792.8013916015625,751.1517333984375] [1920.6295166015625,764.132568359375,2280.810302734375,932.0025024414062] mindyolo预测的坐标 'bbox': [[1635.889, 636.556, 145.201, 112.173], [1078.51, 1445.023, 255.454, 185.865], [1910.938, 753.663, 462.843, 175.679], [1760.296, 1536.604, 106.245, 135.394]] 左下角的坐标是正确的，差距可以忽略不计，但右下角坐标全部不正确，测试的几个图片都是如此
> mindyolo预测的坐标是xywh格式的，xy是左上角坐标，wh是框的宽度和高度，根据你提供的数据，右下角的坐标也是正确的，可视化的结果应该也不会有问题 感谢答复，想请问，增加一个--conf_thres参数但，并未过滤掉一些分数较低的
> mindyolo预测的坐标是xywh格式的，xy是左上角坐标，wh是框的宽度和高度，根据你提供的数据，右下角的坐标也是正确的，可视化的结果应该也不会有问题 请问，mindyolo支持这种调用方式吗？有文档吗 #from ultralytics import YOLO #### Load a model model = YOLO("yolo11n.pt") # pretrained YOLO11n model #### Run batched inference on a list of images results = model(["image1.jpg",...
> ### System Info / 系統信息 > 无 > > ### Running Xinference with Docker? / 是否使用 Docker 运行 Xinfernece？ > * [ ] docker / docker > * [x]...