qq_39697468的博客

网络实际学习的目标是tx、ty、tw、th这四个偏移量（offsets），通过这些偏移量可以求得真正需要的bx、by、bw、bh四个坐标。通过学习偏移量，可以对网络原始给定的锚框坐标进行线性回归微调，使其逐渐靠近真实边界框（groundtruth）。在YOLO算法中，bx、by、bw和bh与tx、ty、tw和th是预测边界框时使用的两组不同的参数，它们之间有直接的转换关系。其中，σ：表示sigmoid函数，cx和cy是网格单元左上角的坐标， pw和ph是锚框的宽度和高度。

解决方法：遇到的 FutureWarning 确实与 PyTorch 2.4.0 中的更改有关。要解决此问题，请确保您使用的是最新版本的 Ultralytics 软件包，因为更新可能包括与较新的 PyTorch 版本兼容的修复程序。