深之JohnChen的专栏

YOLO 格式要求坐标归一化（0~1），确认是否选错格式。文件（适合 Faster R-CNN 等模型）。确保勾选了正确的格式（YOLO/VOC）。：标注列表（显示已标注的框和类别）。：在弹出的对话框中输入类别名（如。：保存、切换图像、标注工具等。标注文件会自动保存到同名的。检查输出目录是否有写入权限。目录下（需提前创建）。，拖动鼠标绘制边界框。

在 PyTorch 生态中，训练目标检测模型（如 YOLOv5、Faster R-CNN）需要先对数据进行标注。支持导出 COCO 格式（需转换后供 PyTorch 使用）。导出 JSON 格式（可转换为 COCO/YOLO）。：图形化标注工具（支持 YOLO/VOC 格式）快捷键操作高效（W：画框，A/D：切换图片）。支持视频帧标注和自动预标注（需部署服务器）。：需要精细标注（如医学图像、不规则物体）。内置数据增强（旋转、裁剪、亮度调整）。支持多边形标注（适合不规则物体）。：中小规模数据集，快速标注。

Google Colab 是由 Google 提供的云端 Jupyter Notebook 开发环境，自 2017 年推出以来已成为机器学习、数据科学和教育领域的重要工具‌。

在 PyTorch 中， 和 是模型两种关键的工作模式，正确使用它们对模型训练和推理至关重要。2. 验证/测试阶段 三、关键层的行为差异1. Dropout 层2. BatchNorm 层四、实现原理PyTorch 通过模块的 属性控制行为：五、最佳实践 模式切换必须显式调用： 与torch.no_grad()配合使用： 自定义层的模式感知： 特殊情况处理： 六、常见错误排查 忘记切换模式

"""将通道维度移到最后的展平层"""# 输入形状: [B, C, H, W]

PyTorch 提供了多种优化算法用于神经网络的参数优化。以下是对 PyTorch 中主要优化器的全面介绍，包括它们的原理、使用方法和适用场景。

计算L1损失# 计算特殊惩罚项# 组合损失。

在 PyTorch 的预训练模型（如 、、 等）中， 通常表示模型的最后一层全连接层（Fully Connected Layer），也就是分类头（Classifier Head）。它的作用是将提取的特征映射到最终的分类结果上。不同模型的分类头名称可能不同（如 ），需通过 确认。 是 "Fully Connected" 的缩写，即全连接层。在分类任务中，这一层的作用是将网络提取的全局特征转换为类别概率分布。例如： 的 默认输出 1000 维（对应 ImageNet 的 1000 类）。如果改成自己的任务（

激活函数是神经网络中至关重要的组成部分，它们为网络引入了非线性特性，使得神经网络能够学习复杂模式。PyTorch 提供了多种常用的激活函数实现。数学表达式:PyTorch实现:特点:计算简单高效解决梯度消失问题（正区间）可能导致"神经元死亡"（负区间梯度为0），ReLU 在输入为负时输出恒为 0，导致反向传播中梯度消失，相关权重无法更新‌14。若神经元长期处于负输入状态，则会永久“死亡”，失去学习能力‌。示例:2. LeakyReLU数学表达式:PyTorch实现:特点:解决了ReLU

Dropout 是一种常用的正则化技术，用于防止神经网络过拟合。PyTorch 提供了nn.Dropout层来实现这一功能。

在 PyTorch 中，池化层（Pooling Layer）是卷积神经网络（CNN）中的重要组成部分，主要用于。PyTorch 提供了多种池化操作，包括最大池化、平均池化、自适应池化等。：自动调整输出尺寸，适用于输入尺寸不固定的情况。：提取局部区域的最大值，保留最显著的特征。：计算局部区域的平均值，适用于平滑特征。：常用于 CNN 最后一层，减少参数量。：提取最显著特征，适用于分类任务。：平滑特征，适用于回归或语义分割。：适用于输入尺寸不固定的情况。：图像分类、目标检测等。：图像分类、语义分割等。

卷积核参数共享，大大减少参数量可保持输入输出尺寸相同 (PyTorch 1.9+)通常配合BatchNorm和ReLU使用使用可查看层结构nn.ReLU(),

在 PyTorch 中，是一个实现全连接层（线性变换）的模块，用于神经网络中的线性变换操作。它的数学表达式为：其中：xx 是输入数据WW 是权重矩阵bb 是偏置项yy 是输出数据。

是 PyTorch 计算机视觉任务中最重要的，它提供了丰富的图像变换方法，能够将原始数据转换为适合神经网络训练的格式。

支持INT8量化（

是一个开源的深度学习框架，而是其官方扩展库，分别专注于计算机视觉和音频处理。它们共同构成了 PyTorch 的生态系统，适用于不同的 AI 任务。，提供张量计算、自动微分和神经网络构建功能。动态计算图（动态图优先）GPU 加速（CUDA 支持）自动微分（autograd丰富的神经网络层（nn.Module，提供数据集、预训练模型和图像处理工具。MNISTCIFARImageNetCOCO等ResNetVGGViT等RandomCropNormalize等，支持语音识别、音频增强等任务。VCTK。

TensorBoard 是一款用于机器学习实验可视化的工具，支持跟踪训练指标、分析模型结构及调试数据分布。

是 PyTorch 中用于图像预处理的核心工具，可将多个图像变换操作组合成一个顺序执行的流水线。

在 PyTorch 中，Dataset和DataLoader是处理数据的核心工具。它们的作用是将数据高效地加载到模型中，支持批量处理、多线程加速和数据增强等功能。

PyTorch中的Tensor‌ 是核心数据结构，类似于 NumPy 的多维数组，但具备 GPU 加速和自动求导等深度学习特性。