syh的技术记录

目录0. 前言1.YOLO V1 大体思路2. YOLO V1的训练过程2.1 YOLO V1网络结构2.2 具体训练过程2.2.1 把主干结构在ImageNet上进行预训练2.2.2 真正开始训练2.3 输出的7x7x30维张量代表含义2.3 损失函数设置3.YOLO V1推断过程（NMS后处理）4. YOLOV1 与其他模型的比较5. YOLOV1的优势与不足5.1 YOLOV1的优势5.2 YOLOV1的不足6. 总结0. 前言最近一段时间在读YOLO系列的论文，目前跟着同济子豪兄读完了YOLO

前言昨天想在jetson xavier nx上跑下yolov5，就Git了官方的代码然后开始配置环境，一开始直接pip install -r requirements.txt倒是可以配置好环境，但跑demo时发现帧率不到1fps，用sudo jtop看了下资源使用情况，发现CPU拉满了，GPU还基本是0。调查了一番发现是因为直接用requirements.txt配置环境的话，下载的pytorch是最新的1.9.0，对应的torchvision是0.10.0，和jetson xavier

刚刚在用矩池云的GPU训练yolov5模型（Google Colab的免费GPU确实不错但还是有些慢），同样的操作在Google Colab上就能跑，在矩池云这里用命令：python train.py --img 640 --batch 64 --epochs 180 --data /mnt/yolov5-master/traindata/traindata.yaml --weights yolov5s.pt --nosave --cache就会出现报错：捣鼓了半个小时才发现原来是batch设置大