- 博客(73)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 YOLOv8详解:损失函数、Anchor-Free、样本分配策略以及与v5的对比
讲解YOLOV8的损失函数以及与v5的比较，详细介绍了DFL的工作原理。
2024-11-01 15:40:33
1825
1
原创 L2 Loss介绍及梯度计算说明
L2 Loss（MS，也称为均方误差损失或平方误差损失）是一种常用的损失函数，广泛应用于回归任务中。它通过计算预测值与真实值之间的平方差来评估模型的性能。同时文章介绍了L2的梯度计算过程。
2024-09-25 17:39:58
1149
原创 L1 Loss介绍及梯度计算说明
L1 Loss（也称为绝对误差损失或曼哈顿损失）是一种常用的损失函数，广泛应用于回归任务中。它的主要目的是衡量模型预测值与真实值之间的差异。本文同时介绍L1的梯度计算。
2024-09-25 17:27:43
652
原创 深度学习之sigmoid函数介绍
Sigmoid函数，也称为Logistic函数，是一种常用的数学函数。由于其非线性的特性，Sigmoid函数在机器学习和神经网络中具有广泛的应用，尤其在早期的模型中；可以使用Sigmoid函数进行多标签分类。
2024-09-06 08:25:46
3189
原创 pytorch训练后pt模型中保存内容详解(yolov8n.pt为例)
在 PyTorch 中，.pt 模型文件通常包含以下几类数据：模型参数：存储模型的权重和偏置参数;优化器状态：包含优化器的状态信息，以便在恢复训练时能够从中断的地方继续。训练状态：一些训练过程中的信息，例如当前的 epoch 数和训练进度。其他元数据：包括模型的配置、训练时使用的超参数等.本文以yoloV8n.pt进行讲解。
2024-08-19 08:23:16
2851
原创 pytorch之nn.Module使用介绍
在 PyTorch 中，nn.Module 是所有神经网络模型的基类，提供了许多重要的成员函数。nn.Module 提供了许多常用的功能，方便构建和管理神经网络模型。了解这些成员函数有助于更有效地使用 PyTorch 进行深度学习任务
2024-08-19 08:22:45
1246
原创 python之vars函数使用介绍
在 Python 中,vars() 是一个内置函数,它可以用来获取对象的属性字典。无参数调用 vars()：当不带参数调用 vars() 时,它会返回当前本地作用域中的变量名和值组成的字典。带参数调用 vars()：当传递一个对象作为参数时,vars() 会返回该对象的属性字典。这等价于 object.__dict__。
2024-07-31 08:31:01
599
原创 python之参数注解介绍
在 Python 中,注解(annotations)是一种为变量、函数参数和返回值添加元数据的机制。这些元数据可以用于各种目的,如类型检查、文档生成等。下面详细介绍 Python 中的注解使用:
2024-07-22 17:36:30
494
原创 exif格式及解析库easyexif使用介绍
JPEG文件以字符串"0xFFD8"开头表示图像信息开始,以字符串"0xFFD9"结尾表示图像信息结束。在JPEG文件头中有一系列"0xFF??"格式的数据段,称为"标识",用来标记JPEG文件的信息段。0xFFEXIF 数据为照片管理和后期处理提供了丰富的元数据信息。摄影爱好者可以利用 EXIF 数据分类、排序、搜索照片,并根据拍摄参数优化后期编辑。总的来说, EXIF 格式为数码摄影带来了很大的便利。详细介绍exif的基本知识以及easexif库的使用。
2024-07-17 12:29:58
1597
原创 python之修饰器介绍及示例
Python 中的装饰器是一个非常强大的功能,它允许你在不修改函数本身代码的情况下,对函数的行为进行扩展或修改。装饰器本质上是一个函数,它接受一个函数作为参数,返回一个新的函数,并且新函数的行为与原函数不同。
2024-07-12 17:47:36
395
原创 python之静态函数装饰器staticmethod介绍
Python 中的 @staticmethod 装饰器是用于定义一个静态方法的修饰器。静态方法是一种特殊的方法,它不需要 self 参数,也不需要 class 参数,它只是一个普通的函数,只是被定义在类的内部。
2024-06-27 11:42:16
464
原创 python之__call__函数介绍
Python 中的 __call__ 方法是一种特殊的方法,它允许对象像函数一样被调用。当你创建一个对象并使用括号 () 调用它时,Python 会自动调用这个对象的 __call__ 方法。
2024-06-27 11:41:39
1024
原创 深度学习之BCE损失介绍
在深度学习中,BCE (Binary Cross-Entropy) 损失是一种常用的损失函数,主要应用于二分类问题,通过优化该损失来训练模型,使预测概率尽可能接近真实标签。另外介绍了logp函数及其使用。
2024-06-18 18:30:34
2772
原创 pytorch之nn.BECWithLogitsLoss使用详解
nn.BCEWithLogitsLoss 是 PyTorch 中一种非常实用的二分类损失函数,它结合了 Sigmoid 激活和二元交叉熵损失,在数值稳定性和梯度计算方面都有所改进,是深度学习实践中的首选之一。它不仅具有良好的数值稳定性,还可以方便地处理样本不平衡等问题,是值得深入学习和应用的重要知识点
2024-06-18 18:30:01
3992
原创 python之排序函数np.argsort()函数介绍
np.argsort()是NumPy库中的一个函数，用于返回数组中元素排序后的索引值数组。它根据数组的值从小到大进行排序，并返回相应的索引数组。
2024-06-06 08:10:55
1752
原创 深度学习之非极大值抑制NMS介绍
非极大值抑制（Non-Maximum Suppression，NMS）是深度学习中一种常用的目标检测算法，用于在检测结果中去除冗余的边界框。在目标检测任务中，通常会使用候选框（bounding boxes）来表示可能包含目标物体的区域。这些候选框是通过目标检测模型生成的，每个候选框都会伴随一个置信度分数，表示该候选框包含目标物体的概率。当候选框的数量较多时，简单地选择置信度最高的候选框可能会导致冗余和重叠的检测结果。NMS算法通过判断候选框之间的重叠程度，去除那些与已选择的候选框高度重叠
2024-06-06 08:10:34
789
原创 XML解析库tinyxml2库使用详解
TinyXML-2 是一个简单轻量级的 C++ XML 解析库,它提供了一种快速、高效地解析 XML 文档的方式。TinyXML-2 是一个功能强大、易用的 XML 解析库,适合各种 C++ 项目使用
2024-06-05 08:22:57
1283
原创 XML语法规则介绍及总结
XML 是一种功能强大、广泛应用的标记语言,它可以用于数据描述、交换、存储、验证、转换等多方面的应用场景。XML 的可扩展性和跨平台特性使其成为许多领域的标准格式。
2024-06-05 08:22:28
3239
原创 yolov8逐步分解(9)_训练过程之Epoch迭代过程
本章节详细介绍yolov8训练过程中Epoch循环及每个batch循环过程的代码功能，并完成_do_train()训练的所有代码的讲解。
2024-06-04 09:25:49
2962
1
原创 yolov8逐步分解(8)_训练过程之Epoch迭代前初始准备
本章节介绍yolov8训练迭代前的准备工作，代码设置了训练循环的初始状态,为实际的训练迭代做好准备。并记录训练过程中的一些关键信息,以便更好地理解和监控模型的训练情况。它还可以为训练结束后的数据分析和可视化提供一些有用的信息。
2024-06-04 09:01:56
1199
原创 深度学习之指数移动平均模型(EMA)介绍
指数移动平均模型（Exponential Moving Average Model，EMA）是一种用于平滑时间序列数据的技术。它通过对数据进行加权平均来减少噪音和波动，从而提取出数据的趋势。在深度学习中，EMA 常常用于模型的参数更新和优化过程中。它可以帮助模型在训练过程中更稳定地收敛，并提高模型的泛化能力。
2024-06-03 18:37:37
7677
1
原创 深度学习之动量momentum介绍
动量是深度学习中非常重要的优化技术,它能有效提高训练的稳定性和收敛速度。掌握动量的原理和使用方法对于训练高性能的深度学习模型非常关键。
2024-06-03 18:37:12
1192
原创 python之线性差值函数np.interp函数介绍
np.interp是NumPy库中的一个函数，用于在给定的一维数据上进行线性插值。线性插值是一种简单的插值方法，它假设在两个已知数据点之间的函数值变化是线性的。
2024-05-31 08:17:46
2203
原创 深度学习之梯度缩放介绍
在深度学习中，梯度是用于更新模型参数的关键信息。然而，当使用低精度数据类型（如半精度浮点数）进行训练时，梯度的计算可能会受到数值溢出或下溢的影响，导致训练不稳定或无法收敛。
2024-05-31 08:17:02
1913
原创 深度学习之优化器Optimizer介绍
优化器(Optimizer)是深度学习训练中非常关键的组件,它负责根据损失函数的梯度来更新模型参数,从而使模型性能不断提升。优化器的选择和调优是深度学习中的关键技术之一,需要结合具体任务进行实践探索。掌握优化器的原理和使用方法对于训练高性能模型非常重要。
2024-05-30 08:36:11
1589
原创 深度学习之权重衰减（weight decay）介绍
权重衰减是深度学习中一种非常重要的正则化技术,它能有效防止模型过拟合,提高泛化性能。掌握权重衰减的原理和应用对于训练高性能的深度学习模型非常关键。
2024-05-30 08:35:04
787
原创 深度学习之学习率调度器Scheduler介绍
调度器是深度学习训练过程中非常重要的一部分,它用于动态调整模型的学习率,从而提高训练效率和最终性能。本章详细介绍调度器的作用以及调度器的种类及使用。
2024-05-29 15:56:38
3563
原创 yolov8逐步分解(7)_模型训练初始设置之优化器Optimizer及学习率调度器Scheduler初始化
本章将讲解yolov8训练初始化过程中的优化器Optimizer及学习率调度器Scheduler的初始代码。介绍超参数梯度累积步数,来计算出合适的权重衰减值和总的训练迭代次数,并使用这些参数创建一个优化器对象；介绍学习率调度器和提前停止机制,并恢复了之前保存的训练状态,最后运行了预训练过程结束时的回调函数。这些设置都是为了提高训练的效率和性能
2024-05-29 15:01:30
4161
原创 YOLOV8逐步分解(6)_模型训练初始设置之image size检测batch预设及dataloder初始化
本章将讲解yolov8训练初始化过程中image size检测、batch预设及dataloder初始及其他们功能的讲解。
2024-05-27 22:31:01
3039
原创 YOLOV8逐步分解(5)_模型训练初始设置之混合精度训练AMP
本篇文章将讲解yolov8中训练初始参数设置MAP的设置代码的讲解，上述文章代码主要目的是检查模型是否支持混合精度训练,并根据检查结果设置相应的配置。这有助于提高训练效率和性能。
2024-05-27 22:12:52
2876
原创 深度学习之混合精度训练AMP介绍
混合精度训练是一种通过同时使用 FP16 和 FP32 精度来加速深度学习训练的技术。它可以在不损失模型性能的情况下,显著减少训练时间和内存使用。
2024-05-22 22:08:43
879
原创 python之zip函数介绍
Python中的zip()函数是一个非常有用的内置函数,它可以将多个可迭代对象(如列表、元组、字符串等)压缩成一个新的可迭代对象,其中每个元素都是一个由这些可迭代对象中对应元素组成的元组
2024-05-22 21:56:09
644
原创 pytorch之chunk与split函数总结
chunk()和split()这两个函数都可以将张量按照指定的维度拆分成多个子张量。它们的主要区别在于返回值和拆分方式。文章详细介绍了其使用方法及示例。
2024-05-17 21:00:00
2294
原创 python之tqdm函数使用总结
tqdm() 是一个 Python 库,它提供了一种简单的方式在终端或控制台输出中添加进度条。它通常用于数据科学、机器学习以及其他计算密集型任务,为长时间运行的操作提供可视化的进度指示。
2024-05-17 20:45:00
900
原创 python之enumerate()函数使用总结
enumerate() 函数是一个内置函数，用于在迭代过程中同时获取元素的索引和值。它返回一个枚举对象，包含了索引和对应的元素。文章介绍了多种使用方法及示例。
2024-05-08 18:22:41
4542
1
原创 YOLO组件之C2f模块介绍
C2f模块在CSP Bottleneck结构中起到关键的作用，通过特征转换、分支处理和特征融合等操作，提取和转换输入数据的特征，生成更具表征能力的输出。这有助于提高网络的性能和表示能力，使得网络能够更好地适应复杂的数据任务。
2024-05-08 17:13:39
28126
3
原创 python之list列表增删改查等方法使用总结
列表是一种非常灵活和强大的数据结构，在编程中经常被使用。在 Python 中，列表对象有多个操作方法，本章将介绍list中元素的查找、排序、翻转、拷贝、添加、删除、合并、切片、解析等方法的介绍及代码示例。
2024-04-18 08:00:00
1392
原创 pytorch之nn.Sequential使用详解
nn.Sequential 是 PyTorch 库中的一个类，它允许通过按顺序堆叠多个层来创建神经网络模型。它提供了一种方便的方式来定义和组织神经网络的层。文章详细介绍模型的定义修改、删除、参数访问、参数冻结等方法的详细使用说明；另外介绍了其他模型构建的方式及模型的加载保存。
2024-04-18 07:30:00
6005
1
原创 python之globals与locals函数介绍
在 Python 中，globals() 和 locals() 是两个内置函数，用于获取全局和局部命名空间中的变量和函数。可以结合update() 函数的使用来实现对全局和局部命名空间的更新
2024-04-17 12:57:37
1106
原创 python之update函数介绍
update() 方法是字典对象的方法，用于将一个字典中的键值对更新到另一个字典中。它能够实现字典的合并和更新操作，非常有用。
2024-04-17 12:56:13
3517
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人