我现在用YOLOv11训练了一个识别玩具卡车的模型，是基于yolov11m.pt训练出来的，步骤跟着一个超棒的YouTube视频走的，模型已经能正常工作了。

我写了个比较朴素的脚本，用来启动摄像头流，把捕捉到的图像传给模型做推理，代码如下：

from ultralytics import YOLO
import cv2

# load hyper tuned model
model = YOLO('/home/ultralytics/runs/detect/train4/weights/best.pt')
model.to("cuda")

# establish and open webcam feed
cap = cv2.VideoCapture(2)

if not cap.isOpened():
    print("Cannot open camera")
    exit(1)

while True:
    ret, frame = cap.read()
    if not ret:
        print("Cannot read camera")
        exit(2)

    # pass frame through model
    frame_resized = cv2.resize(frame, (640, 480))
    res = model.predict(source=frame_resized, show=True, conf=0.45)

    #Display resulting frame
    cv2.imshow('Stream', res[0].plot())

    # Break loop on 'q' for quit
    if cv2.waitKey(1) == ord('q'):
        break

但是我发现推理出来的画面卡顿得让人抓狂，有没有大佬能告诉我这是为啥啊？

比如之前用YOLOv5仓库里的detect.py做简单调用的时候，画面流畅得不行，我想搞明白怎么才能让我的模型检测框渲染速度也能达到差不多的水平，任何建议都感激不尽！

对了，我用的显卡性能很强，跑YOLOv5完全没压力的。

备注：内容来源于stack exchange，提问作者Seth Bowers