Git的下载与安装

超详细的Git的快速下载和安装

1.快速下载网址

https://npm.taobao.org/mirrors/git-for-windows/

2.详细安装步骤,如图示:

a. 在这里插入图片描述

b.

在这里插入图片描述

c.

在这里插入图片描述

d.

在这里插入图片描述

e.仅在Git Bash 中使用Git

在这里插入图片描述

f.

在这里插入图片描述

g.

在这里插入图片描述

h.

在这里插入图片描述

i.

在这里插入图片描述

j.

在这里插入图片描述

k.

在这里插入图片描述

l.安装效果

在Windows下任意窗口,右键->有 Git Bash Here->点击->进入文本编辑框
在这里插入图片描述

m.

### 将Swin Transformer集成到YOLOv7以改进特征提取 #### 1. 替换主干网络结构 为了增强YOLOv7的特征提取能力,可以采用Swin Transformer替代传统的卷积神经网络(CNN)作为主干网络。这种替换不仅能够利用Transformer强大的全局建模能力,还能更好地捕捉图像中的长距离依赖关系[^2]。 ```python from mmdet.models import build_detector, build_backbone import torch class YOLOv7WithSwin(torch.nn.Module): def __init__(self, config_path='path_to_yolov7_config', swin_pretrained_weights=None): super(YOLOv7WithSwin, self).__init__() # 加载原始配置文件并修改backbone为swin transformer cfg = mmcv.Config.fromfile(config_path) backbone_cfg = dict( type='SwinTransformer', embed_dims=96, depths=[2, 2, 6, 2], num_heads=[3, 6, 12, 24], window_size=7, mlp_ratio=4., qkv_bias=True, drop_rate=0., attn_drop_rate=0., drop_path_rate=0.2, patch_norm=True) if swin_pretrained_weights is not None: pretrained_dict = torch.load(swin_pretrained_weights)['model'] model_dict = self.backbone.state_dict() pretrained_dict = {k: v for k, v in pretrained_dict.items() if k in model_dict} model_dict.update(pretrained_dict) self.backbone.load_state_dict(model_dict) detector_cfg = cfg.model.copy() detector_cfg['backbone'] = backbone_cfg self.detector = build_detector(detector_cfg) def forward(self, img, **kwargs): return self.detector(img, **kwargs) ``` #### 2. 调整颈部模块设计 考虑到Swin Transformer输出特征图的空间维度较小,在连接至头部之前可能需要额外的设计来恢复空间分辨率。通常做法是在颈部加入FPN(FPN-like structure),即自顶向下的路径聚合机制,从而使得不同尺度的信息得以融合[^1]。 #### 3. 修改损失函数设置 当引入更复杂的骨干网时,适当调整优化器的学习率以及权重衰减系数是非常重要的。此外,还可以考虑使用混合精度训练技术加速收敛过程的同时保持较高的数值稳定性[^4]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值