超级会员免费看
本文介绍了计算机视觉项目实战前的Python环境准备，包括numpy、torch、torchinfo和torchvision的依赖。强调了环境搭建、库的安装与使用，如利用numpy进行科学计算，通过torch获取和处理模型权重。建议读者具备基本的Python和C++知识，并提供了资源链接和安装指南。
从本节开始，进入到代码实战部分，在开始之前，先简单进行一下说明。
代码实战部分，我会默认大家有一定的编程基础，不需要对编程很精通，但是至少要会 python 的基础语法、python 环境搭建、pip 的使用；C++ 要熟悉基础知识和基础语法，会根据文章中的步骤完成 C++ 的环境搭建，以及 C++ 编译和运行。
如果确实有某一部分之前没有接触过，可以借着代码实战部分的示例，多查查资料，把这部分知识丰富起来，虽然每一部分涉及的知识不会很深，但还是要有基础的概念和技能。
当然在每一部分，我也会尽可能的写清楚一些细节，尤其是环境搭建和思路方面，但是无法保证面面俱到，因此，如果在自己电脑环境中遇到了无法解决的事情，可以先自己尝试去解决，99%的问题在百度一圈，或者询问 GPT 之后，都可以得到完美的解决。
python 环境依赖
实战部分的代码，除了核心的算子代码，以及神经网络搭建的逻辑需要我们手写之外，其他的辅助逻辑还是会依赖于一些三方库来实现。
这些辅助逻辑包括：模型下载，图片导入，权值保存等。
python 开发环境下，主要依赖的三方库有以下几个。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
