选择的平台：极链云AI
优势特点：价格优惠，按小时计费；服务器类型多样，选择多；暑期学生优惠较多，冲冲冲！！！
在这里贴一个极链云AI的官网：https://cloud.videojj.com
YOLOR的项目部署
YOLOR 全称 You Only Learn One Representation.
YOLOR 论文地址：You Only Learn One Representation: Unified Network for Multiple Tasks.
为方便同学们下载，我把pdf格式论文放入了百度云：https://pan.baidu.com/s/1qqrwk_-XuNzQ-4u3CyRAEw 提取码：pr18
首先来看一下官方的项目环境配置要求：
前提条件：
Python>=3.7.0 且 Pytorch>=1.8；CUDA 11.1
pip install "git+https://github.com/philferriere/cocoapi.git#egg=pycocotools&subdirectory=PythonAPI" # 安装pycocotools
项目运行所需要的包及版本要求：
在租用符合前提条件的机器后，进行项目环境配置。
在本次项目中由于情况特殊，通过git clone得到的文件是缺少预训练模型的，所以我在这里列举两个直接能运行推理代码的方法。
方法一：
git clone项目文件后补充缺少的预训练模型后可直接运行推理文件。
# cd /... # 可省略，cd到自己想安装的目录
git clone https://github.com/WongKinYiu/yolor.git # 从官网clone整个项目文件
cd yolor # clone项目文件夹成功后cd到yolov5目录
使用filezilla将文件传入/root/yolor文件夹
为了方便，我将文件放入百度云分享给大家 切记：解压后传输
链接在这：https://pan.baidu.com/s/1N8DBBAEbprHH1gB36D4LMw 提取码：1uzg
方法二：
使用filezilla直接传输完整的项目文件，记得解压缩后传输
使用filezilla传输到极链AI云平台的方法：点这里！
我在这里方便大家把文件打包放入百度云网盘，链接：点这里！ 提取码：j3b9
完整项目文件来源：点这里！
进行推理 Detect
本项目使用detect.py文件进行推理
# 示例
python detect.py --source inference/images/horses.jpg --cfg cfg/yolor_p6.cfg --weights yolor_p6.pt --conf 0.25 --img-size 1280 --device 0
解释：使用权重文件为yolor_p6的模型，推理图片为1280(pixels)，最小置信度为0.25，使用inference/images/horses.jpg文件夹下的文件作为处理图片(默认保存到inference/output文件夹下)
tips：可以通过上传自己的图片/视频的方式推理。
detect.py具体使用方法：
使用该命令可以查看更多参数的使用
python detect.py -h
具体方法：
YOLOR在COCO数据集上的性能表现(对比YOLOv4)
数据来自github
部分推理结果（对比yolov5）
Yolov5:
Yolor:
Yolov5:
Yolor:
Yolov5:
Yolor:
Yolov5:
Yolor:
Yolov5:
Yolor:
Yolov5:
Yolor:
结论
可以看出这样的使用方法是非常简单便捷的，Yolor作为优化的一种模型，在推理能力上还是相当不错的，还不快来试试！