对比YOLO系列的精度、性能，以各自最小的模型和最大的模型模型为参考，在coco数据集上进行验证，模型输入统一为640。其中AP50-95值越大表示模型表现越好，FLOPs越小表示模型计算复杂度越小，理论上计算速度也会越快，Params越小表示参数量越少，可以在更小缓存的设备上运行。

AP50-95 FLOPs（G） Params（M） 模型
38.5 6.7 2.3 YOLOv10-N
38.3 7.7 2.0 YOLOv9-T
37.5 11.4 4.7 YOLOv6-N
37.3 8.7 3.2 YOLOv8n
28.0 4.5 1.9 YOLOv5n
AP50-95 FLOPs（G） Params（M） 模型
55.6 189.0 57.3 YOLOv9-E
54.4 160.4 29.5 YOLOv10-X
53.9 257.8 68.2 YOLOv8x
52.8 150.7 59.6 YOLOv6-L
50.7 205.7 86.7 YOLOv5x

AP50：在IoU（交并比）阈值为0.5时的平均精确度

AP50-95：IoU从0.5至0.95，以0.05为步长增加。计算了十个不同IoU阈值（0.5, 0.55, 0.6, ..., 0.95）下的AP，然后取这些AP的平均值。与如AP50相比，AP50-95提供了在更广泛IoU范围内模型性能的综合评估，从而更全面地反映了模型的整体性能

Params（M）：可学习参数的总数，M表示单位为百万，比如7.2表示科学系参数量为720万

FLOPs（G）：浮点运算次数，衡量模型的计算复杂性。G表示模型的一次推理或一次前向传播过程中的浮点运算次数十亿次，有时也会协作B，是一个意思

# 深度学习 # 人工智能
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

具备 agent 能力：工具调用，浏览器操作等能力的开源 LLM 可以本地部署（48GB）

✅ 原生支持✅ 对非常稳定✅ 中文 + 英文 Agent 表现都极强✅ 官方文档明确支持 Agent 场景✅ 和 LangChain / LangGraph / AutoGen / CrewAI 适配成熟若您主要需要浏览器自动化，可选择Fara‑7B或AutoWebGLM。若您需要完整的 Agent 能力（工具调用、浏览器操作、代码解释等），推荐，它在 48GB 显存下资源利用最均衡。若您专注 A

avatar 2048 AI社区
cover

项目分享|PaddleOCR 3.x：引领工业级OCR与文档AI的全新范式

avatar 2048 AI社区

「Datawhale」RAG技术全栈指南 Task 2

本文介绍了文档处理中的两个关键环节：数据加载和文本分块。数据加载部分详细说明了如何将各种格式文档转换为结构化数据，并提供了Unstructured工具的使用示例及常见错误解决方法。文本分块部分阐述了分块的必要性（如模型长度限制）、常见策略（固定大小、递归字符、语义分块等）以及工具应用（Unstructured、LlamaIndex）。文章强调应根据文档特点选择合适分块方式，避免过大分块导致信息模糊

avatar 2048 AI社区