算力设备：
2 张 Huawei Atlas 300I Duo 推理卡
板卡型号：IT21PD2G10
芯片型号：Ascend 310P3
总计：4 个 Ascend 310P3 NPU 芯片
想做一个智能识别水上漂浮物的模块，想用这个https://docs.frigate-cn.video/ 但是 这个好像不支持我现在的显卡，希望各位佬给我出个方案。谢谢 有偿哦
看了一下这个项目的文档，似乎用的是yolo模型，只要模型能跑起来就搞定很大一部分了吧？
看了下文档，如果坚持使用 frigate ，我提出下我不成熟的思路。
物体/目标检测器 - Frigate 中文文档
在检测器这里提到，很多的硬件都可以使用ONNX，我认为使用ONNX应该是可行的，可能需要折腾一下。
使用的模型是tensorflow训练的yolo模型
frigate/frigate/detectors/plugins at dev · blakeblackshear/frigate - 部分检测器
华为的昇腾的CANN是有ONNX RT的，有关yolo的部署也存在可行方案
华为 - CANN | onnxruntime - ONNX 运行时
昇腾 CANN YOLOV8 和 YOLOV9 适配-云社区-华为云
希望的我搜索的资料可以给你一些启发。
你用torch 训yolo26 ,然后转onnx ,然后用cann类似cuda 加速推理onnx就行， onnx相当于中间产物。当然yolo其实可以直接转的比如 ncnn(pnnx) 手机， rcnn(边缘设备),tensorrt 这种都有格式转换的训练好。
好的。我研究研究，感谢
我应该怎么联系您