ai_faker的博客

背景介绍想要从本地新建一个分支，并提交到远程仓库，同时想要对远程仓库中的一些老旧分支进行删除。1.创建本地分支并提交到远程仓库1.1初始化并链接到远程仓库如果进行过不必重复git init //初始化，如果进行过不必重复git remote add origin url //链接到远程仓库，此处url填写自己的仓库url地址，如果进行过不必重复1.2创建新的分支git branch newBranch_A // 本地创建新的分支 newBranch_Agit branch -a //

简介近期更新，卸载的opencv版本为3.4.10，非无脑复制粘贴帖，方法未失效。注意我这个方法是卸载采用官网下载tar包，然后一步步编译的安装的这样的方式安装的opencv1.查看opencv版本pkg-config --modversion opencvoutput3.4.102.卸载找到当初安装opencv建立的build目录，进入目录执行卸载操作cd cd /home/cheng/somelib/opencv-3.4.10/build/sudo make uninstall

本文逻辑不通，仅供自己阅读yolo强化理解随笔加感悟D1yolo强化理解随笔加感悟D2Day3 pipeline:1.特征提取器的改进:多尺度思路的全面应用2.YOLOv4-v5的backbone neck head 对比分析3.V5代码解读与应用:进行消融实验一、例子反响传播原理，梯度下降反响传播就是主要更新backbone参数，可以看做更加复杂的一些方程而已。二、检测头复习正是由于backbone能力的提升，才导致检测头的进化，实现更复杂的检测。V5检测头也是这样三、

本文逻辑不通，仅供自己阅读yolo强化理解随笔加感悟D1Day2 运行yolov5的pytorch实现：开始使用yolov5 pipeline1.yolov2 v3 v4 v5检测头与anchor的尝试改进2.Yolov5代码使用方法介绍：测试与训练3.详细解读检测头代码一、检测模型特征提取器+检测头(head二、YOLOv0 model.pyYolov1 全部改为 yolov0YoloV0定义先看forwardExtractor 提取特征 可以认为特征提取器View可以理

本文逻辑不通，仅供自己阅读Day11.从0开始设计检测器输出值与损失函数搭配2.yolov5综述3.yolov5基础:只用计算一次就得到结果开发了一个app idetection最大的特点就是快，方便移动端部署 v5整体还在实践中，论文还没出，论文要等年底一、学习任何一个模型：1.前向计算部分[90%]2.损失函数(1)Mean square error ：MSE(2)Cross enporty3.反向传播部分再看细节二、矩阵映射到矩阵分类器输入：矩阵[图片]输出：on