无法将类型“System.Collections.Generic.List<yolo目标检测.yolo数据>”隐式转换为“System.Collections.ArrayList”

这段错误信息表示你在代码中尝试将一个`System.Collections.Generic.List<T>`类型的对象赋值给一个`System.Collections.ArrayList`类型的变量或属性，但这两个类型之间没有隐式转换关系。

在.NET框架中，`System.Collections.Generic.List<T>`是一种泛型集合，它只能包含特定类型的元素，例如`List<Yolo目标检测.Yolo数据>`只能包含`Yolo目标检测.Yolo数据`类型的元素。而`System.Collections.ArrayList`是一个非泛型集合，它可以包含任何类型的对象。

由于泛型集合在设计时提供了类型安全性，非泛型的`ArrayList`则提供了更大的灵活性，允许存储任意类型的对象，但两者之间不能直接赋值，因为这样做会丢失类型信息，可能会导致运行时错误。

如果需要将泛型列表转换为`ArrayList`，可以通过如下方式进行显式转换：

List<Yolo目标检测.Yolo数据> genericList = new List<Yolo目标检测.Yolo数据>();
ArrayList arrayList = new ArrayList(genericList);

在上述代码中，我们创建了一个`ArrayList`实例，并将`List<Yolo目标检测.Yolo数据>`作为构造函数的参数传递，这样`ArrayList`就会包含与`List`相同的元素。

相关问题

DJL 运行 yolo v8 模型

根据提供的引用内容，没有找到与DJL运行yolo v8模型相关的信息。不过，DJL是一个基于Java的深度学习框架，支持多种深度学习模型，包括图像分类、目标检测等。如果您想在DJL上运行yolo v8模型，可以参考以下步骤：

1.安装DJL和yolo v8模型

pip install djl tensorflow tensorflow_hub

wget https://storage.googleapis.com/tfhub-modules/google/yolo_v4/2.tar.gz
tar -xvf 2.tar.gz

2.加载模型

import ai.djl.Model
import ai.djl.basicmodelzoo.cv.object_detection.YoloV5
import ai.djl.engine.Engine
import ai.djl.ndarray.NDList
import ai.djl.ndarray.types.Shape
import ai.djl.training.util.ProgressBar
import ai.djl.translate.Pipeline
import ai.djl.translate.TranslateException
import ai.djl.translate.Translator
import ai.djl.translate.TranslatorContext
import ai.djl.util.Utils
import java.io.IOException
import java.nio.file.Path
import java.nio.file.Paths
import java.util.ArrayList
import java.util.Collections
import java.util.List

def loadModel() throws IOException {
    Path modelDir = Paths.get("yolo_v8");
    Model model = Model.newInstance("yolo_v8");
    model.setBlock(new YoloV5(80));
    model.load(modelDir, "yolov5s-640");
    return model;
}

3.创建Translator

import ai.djl.modality.cv.Image
import ai.djl.modality.cv.output.DetectedObjects
import ai.djl.modality.cv.translator.SingleShotDetectionTranslator
import ai.djl.modality.cv.translator.SingleShotDetectionTranslator.Builder
import ai.djl.modality.cv.translator.TranslatorUtils
import ai.djl.ndarray.NDList
import ai.djl.ndarray.types.DataType
import ai.djl.ndarray.types.Shape
import ai.djl.repository.zoo.Criteria
import ai.djl.repository.zoo.ModelZoo
import ai.djl.training.util.ProgressBar
import ai.djl.translate.Pipeline
import ai.djl.translate.Translator
import ai.djl.translate.TranslatorContext
import java.awt.image.BufferedImage
import java.io.IOException
import java.nio.file.Path
import java.util.ArrayList
import java.util.Collections
import java.util.List

def createTranslator() {
    Pipeline pipeline = new Pipeline();
    pipeline.add(new Resize(640, 640));
    pipeline.add(new ToTensor());
    return SingleShotDetectionTranslator.builder()
            .setPipeline(pipeline)
            .optSynset(Collections.emptyList())
            .optThreshold(0.5f)
            .build();
}

4.运行模型

import ai.djl.Application
import ai.djl.Model
import ai.djl.modality.cv.Image
import ai.djl.modality.cv.output.DetectedObjects
import ai.djl.modality.cv.translator.SingleShotDetectionTranslator
import ai.djl.ndarray.NDList
import ai.djl.ndarray.types.DataType
import ai.djl.ndarray.types.Shape
import ai.djl.repository.zoo.Criteria
import ai.djl.repository.zoo.ModelZoo
import ai.djl.training.util.ProgressBar
import ai.djl.translate.Pipeline
import ai.djl.translate.Translator
import ai.djl.translate.TranslatorContext
import java.awt.image.BufferedImage
import java.io.IOException
import java.nio.file.Path
import java.util.ArrayList
import java.util.Collections
import java.util.List

def runModel() throws IOException, TranslateException {
    Model model = loadModel();
    Translator<Image, DetectedObjects> translator = createTranslator();
    Criteria<Image, DetectedObjects> criteria = Criteria.builder()
            .optApplication(Application.CV.OBJECT_DETECTION)
            .setTypes(Image.class, DetectedObjects.class)
            .optModel(model)
            .optTranslator(translator)
            .build();

    try (ZooModel<Image, DetectedObjects> objDetectionModel = ModelZoo.loadModel(criteria)) {
        Path imagePath = Paths.get("test.jpg");
        BufferedImage img = ImageIO.read(imagePath.toFile());
        Image input = ImageFactory.getInstance().fromImage(img);
        DetectedObjects detections = objDetectionModel.predict(input);
        System.out.println(detections);
    }
}