weixin_45926697的博客

unet网络结构的组成

这里的网络不需要自己搭建了，直接调用torchvision库实现的网络框架，如下图直接导入torchvision里models中的vgg16_bn，直接使用官方提供的网络，如下图的两个文件，要修改backbone，唯一不一样的地方就是creat_model。首先需要了解所需要的输出特征层，在所需要的特征层上面构建FPN结构，FPN结构如下，这里是记录如何更换backbone的笔记，是一个学习记录。那么新构建的backbone就是下图虚线前面的部分。一般来说，并不需要完整的模型，这里实现的方式主要是通过。

是训练5种花分类数据集的权重文件，这里是和模型相对应的，因为模型是自己搭建的，从官网下载的是不能用的。这里可以看出每遍历一个，都会输出相应的结果，执行的每一步都和代码结构对应的上。1.前面的层提取的是低层次特征，越往后的层提取的信息越高层次，也就越抽象。2.特征图中白色的部分代表的是，网络所关注的部分，也就是学习到的特征。3.全黑色的图说明卷积核并没有起到太多的作用，没有学到有用的信息。：打印出来的模型结构和搭建的模型结构保持一致。是自己搭建的alexnet的实现过程。的笔记，是一个学习记录。

可以站在一定的高度对深度学习有一个更宏观的理解：

Ultralytics：指的是一家公司开发的yolo，yolov3 ultralytics是一种基于深度学习的目标检测算法，由Ultralytics公司开发。yolov3 ultralytics在速度和准确性方面都有很好的表现，被广泛应用于物体识别、自动驾驶、安防监控等领域。Mosaic图像增强：目的是增加数据的多样性，增加目标个数，BN能一次性统计多张图片的参数。SPP模块：实现了不同尺度的特征融合（其实就是在v3的基础上加上下面这个模块）缺点：1.当不想交时loss为0。1.能够更好的反应重合程度。

张量（tensor）是一种多维数组，是向量、矩阵、标量等概念的自然推广，可以表示任意多的维度，可以是 0 维张量（标量），1 维张量（向量），2 维张量（矩阵），以及更高的维度。NumPy是Python的一个用于科学计算的基础包。它提供了多维数组对象，多种衍生的对象（例如隐藏数组和矩阵）和一个用于数组快速运算的混合的程序，包括数学，逻辑，排序，选择，I/O，离散傅立叶变换，基础线性代数，基础统计操作，随机模拟等等。1.都是计算的一种数据类型，Tensor可以在GPU上运行，Numpy只能在CPU上运行。

这些深度学习的相关指标主要是针对在训练集训练完每一轮后，得到权重文件，把所得到的权重文件拿到测试集上面进行验证，每一轮保留一个数字，最终画出对应的曲线图！

计算机win+r进入，cmd进入命令，用activate name激活建立好的房间，意味着进入这个房间，把安装pytorch的命令放进去，在这个房间里放入pytorch，打开Pycharm编辑器，在setting中选择Python编辑器，把这个房间添加进去，并选择这个房间作为开发环境，将来进行相关的开发，可以选择这么一个房间。就是一个包管理工具，便捷获取包且对包能够进行管理，包括了python和很多常见的软件库和一个包管理器conda，可以搭建所需的环境。1.下载安装Pycharm（用于提供集成开发环境）

第二遍阅读完之后，你就对整个论文的各个部分，都有一个大概的了解，中间可以把作者引用的别人的相关文献圈出来，比如作者是在某某某的方法上进行了改进，做了哪些改进之类的。这一遍读的时候，一定要明白作者每句话，每个字在说什么，并且最好可以脑补出它整个流程是什么样子的，似乎是自己在做实验，写论文一样。读实验部分的时候，可以思考一下，作者是如何描述自己的实验的，你可以思考，如果换自己来做的话，能不能比作者做得更好？第三遍是最后一遍了，也是最详细的一遍，这里就需要自己知道每一句话在干什么，每一段在说什么。