m0_49384824的博客

增加卷积层的层数，构建更深的网络。添加池化层，降低分辨率，聚合信息。随着分辨率的降低，每个神经元所覆盖的区域也会增大，即感受野增大。

参考：快速入门 — PyTorch Tutorials 2.6.0+cu124 文档 - PyTorch 深度学习库 参考：张量 — PyTorch 教程 2.6.0+cu124 文档 - PyTorch 深度学习库 默认情况下，张量在 CPU 上创建。我们需要使用 方法显式地将张量移动到加速器（在检查加速器可用性之后）（加速器如 CUDA、MPS、MTIA 或 XPU）。请记住，跨设备复制大型张量在时间和内存方面可能非常昂贵！ 注意: MTIA（Meta 自研加

① 图像分类 ② 目标检测 ③ 语义分割 ④ 实例分割。

本机上 cuda 和 cudnn 的安装： Ubuntu20.04部署YOLOv5anaconda 安装： Ubuntu 20.04安装Anaconda3及简单使用 【Conda】常用命令合集PyTorch 安装（安装在虚拟环境中）： GPU版本的pytorch安装（显卡为3060ti，如何选择对应的cuda版本） Ubuntu搭建深度学习开发环境(Pytorch Tensorflow GPU版本)【Conda】常用命令合集

执行完上述操作后，在 yolov5 文件夹下打开终端，输入以下命令。多了 __pycache__ 、 runs 和 yolov5s.pt 三个文件。这些字节码文件使得后续运行相同脚本时，加载速度更快，因为 Python 不需要重新编译源代码。__pycache__ 文件夹：当 Python 脚本首次运行时，解释器会将。检测结果会保存在 /yolov5/runs/detect/exp/ 文件夹下。环境要求：Python>=3.8.0 , PyTorch>=1.8.源代码文件编译成字节码文件（