这篇博客不能算是编程相关，因为只是一次记录而已，代码相关可以参考文末仓库和我的 相关博客
事情的起因是我和同学在准备工创赛，要做一个智能垃圾桶(AI垃圾分类)，本来是使用Python做推理的，并用了PyQt做前端。
但是没想到哇٩(ŏ﹏ŏ、)۶！那个Qt在树莓派上始终不能正常安装，于是我们考虑换技术栈，我一开始考虑使用libtorch+cpp的方式实现。不过显然，这个难度完全不是我能对付的……
不过非常不巧(?!)，我看到了libtorch的rust绑定torch-rs，加上我之前使用过Tauri框架，整体来说能满足我的需求，于是乎，本着折腾ʅ（´◔౪◔）ʃ的原则，我开始先解决核心问题——使用Rust实现yolo的推理。
其中 这篇文章 给了我很大启发，文章中介绍了yolo在rust推理的基本原理，版本比较陈旧，但是仍然推荐阅读
上古仙术，核心出装 Version-0.1.0
我于是依着葫芦画瓢，写了最初的单文件推理版本，这个版本非常简陋，只包含了图片转Tensor和输出结果到命令行，不过也是初具雏形，但是仍然存在如：
- 没有形成模块化的package，所有东西是混在
main.rs和yolo.rs里面 - 没有实现画框和打标签的功能，也就是说完全不能用图片展示
等等问题，反正就是能用，但不是很能用
顺嘴一提，本来是准备用fast-r-cnn的，但是教程有限，我们组就放弃了。还是yolo封装好哇！
法宝现世，曲线救国 Version-0.1.2
由于痛苦的环境配置给我留下了很深刻的印象，在这个版本中，我特意编写了一个启动器，来对主程序进行环境变量的注入，同时编写了两个bat方便推理，不管怎么说，还是可以比较完美的运行的。
同时，在这个版本，我解决了画框和画字的问题，也就是说，这玩意可以正常运行了(在环境变量正确注入的情况下)。
但是仍然存在一些不足，也就是torch-rs库本身的问题，使得libtorch不能正确识别我的GPU，我在github issues上看到了解决方案，但是暂时没有想到很好的方法封装进我的仓库。
而且，这个批量推理bat需要反复将模型载入，就是挺抽象的，嗯……
版本链接：点击前往
内存：I'm free~!
丹出~！ Version-0.2.X
在这个版本，我把核心库分离出来了，封装成了yolo_binding这个库，它能在Windows上很好的运行(尽管docs.rs的构建问题还没有解决)，有一个相对好用的接口，一切都按我设想的运行，主程序只要对模型实例化一次，相关的封装也按照我的设想进行了修改……
不管怎么说，对我来说，还是有点成就感的，尽管有这样那样的问题没有解决，但是自己尽力就好~
模块代码：
最后修改于 2025-02-06