前言Helm是Kubernetes的包管理器。包管理器类似于我们在Ubuntu中使用的apt、Centos中使用的yum或者Python中的pip一样，能快速查找、下载和安装软件包。Helm由客户端组件helm和服务端组件Tiller组成,能够将一组K8S资源打包统一管理,是查找、共享和使用为Kubernetes构建的软件的最佳方式。解决问题：能对多个模板文件（yaml文件）进行统一管理，设想一下，如果没有helm，如何执行多个模板文件呢？那就得一个个的执行kubectlapply-fxxx.yaml。而如今有了helm，只需要将文件放入chart包中，然后一句helminstallxxxpa

一、在backbone后面引入注意力机制1、先把注意力结构代码放到common.py文件中，以SE举例，将这段代码粘贴到common.py文件中2、找到yolo.py文件里的parse_model函数，将类名加入进去3、修改配置文件（我这里拿yolov5s.yaml举例子），将注意力层加到你想加入的位置；常用的一般是添加到backbone的最后一层，或者C3里面，这里是加在了最后一层当在网络中添加了新的层之后，那么该层网络后续的层的编号都会发生改变，看下图，原本Detect指定的是[17,20,23]层，所以在我们添加了SE注意力层之后也要Detect对这里进行修改，即原来的17层变成了18层

一、在backbone后面引入注意力机制1、先把注意力结构代码放到common.py文件中，以SE举例，将这段代码粘贴到common.py文件中2、找到yolo.py文件里的parse_model函数，将类名加入进去3、修改配置文件（我这里拿yolov5s.yaml举例子），将注意力层加到你想加入的位置；常用的一般是添加到backbone的最后一层，或者C3里面，这里是加在了最后一层当在网络中添加了新的层之后，那么该层网络后续的层的编号都会发生改变，看下图，原本Detect指定的是[17,20,23]层，所以在我们添加了SE注意力层之后也要Detect对这里进行修改，即原来的17层变成了18层

大家好，我是哪吒。今天详细的分解一下Dubbo的扩展机制，实现快速入门，丰富个人简历，提高面试level，给自己增加一点谈资，秒变面试小达人，BAT不是梦。说真的，从零学习Dubbo，看这个系列足够了，共10篇，欢迎持续关注，相约每天早八点。三分钟你将学会：Dubbo的自适应扩展机制Dubbo的SPI扩展机制Dubbo的自定义扩展点机制Dubbo的过滤器扩展机制Dubbo的负载均衡扩展机制；Dubbo的容错机制扩展；一、Dubbo扩展机制的概述Dubbo是一个高性能的分布式服务框架，广泛应用于各种规模和种类的企业级项目中。在实际应用过程中，Dubbo的核心能力是扩展机制，它可以让Dubbo具有

大家好，我是哪吒。今天详细的分解一下Dubbo的扩展机制，实现快速入门，丰富个人简历，提高面试level，给自己增加一点谈资，秒变面试小达人，BAT不是梦。说真的，从零学习Dubbo，看这个系列足够了，共10篇，欢迎持续关注，相约每天早八点。三分钟你将学会：Dubbo的自适应扩展机制Dubbo的SPI扩展机制Dubbo的自定义扩展点机制Dubbo的过滤器扩展机制Dubbo的负载均衡扩展机制；Dubbo的容错机制扩展；一、Dubbo扩展机制的概述Dubbo是一个高性能的分布式服务框架，广泛应用于各种规模和种类的企业级项目中。在实际应用过程中，Dubbo的核心能力是扩展机制，它可以让Dubbo具有

🤵Author：HorizonMax✨编程技巧篇：各种操作小结🎇机器视觉篇：会变魔术OpenCV💥深度学习篇：简单入门PyTorch🏆神经网络篇：经典网络模型💻算法篇：再忙也别忘了LeetCode[注意力机制]经典网络模型2——CBAM详解与复现🚀ConvolutionalBlockAttentionModule🚀CBAM详解🎨背景知识🎨论文贡献🎨ConvolutionalBlockAttentionModule🚩ChannelAttentionModule🚩SpatialAttentionModule🚩CBAM的应用🚀CBAM复现🚀ConvolutionalBlockAttentionMod

🤵Author：HorizonMax✨编程技巧篇：各种操作小结🎇机器视觉篇：会变魔术OpenCV💥深度学习篇：简单入门PyTorch🏆神经网络篇：经典网络模型💻算法篇：再忙也别忘了LeetCode[注意力机制]经典网络模型2——CBAM详解与复现🚀ConvolutionalBlockAttentionModule🚀CBAM详解🎨背景知识🎨论文贡献🎨ConvolutionalBlockAttentionModule🚩ChannelAttentionModule🚩SpatialAttentionModule🚩CBAM的应用🚀CBAM复现🚀ConvolutionalBlockAttentionMod

一、引言注意力机制是自深度学习快速发展后广泛应用于自然语言处理、统计学习、图像检测、语音识别等领域的核心技术，例如将注意力机制与RNN结合进行图像分类，将注意力机制运用在自然语言处理中提高翻译精度，注意力机制本质上说就是实现信息处理资源的高效分配，例如先关注场景中的一些重点，剩下的不重要的场景可能会被暂时性地忽略，注意力机制能够以高权重去聚焦重要信息，以低权重去忽略不相关的信息，并且还可以不断调整权重，使得在不同的情况下也可以选取重要的信息。其基本网络框架如图所示。注意力机制自提出后，影响了基于深度学习算法的许多人工智能领域的发展。而当前注意力机制已成功地应用于图像处理、自然语言处理和数据预测

一、引言注意力机制是自深度学习快速发展后广泛应用于自然语言处理、统计学习、图像检测、语音识别等领域的核心技术，例如将注意力机制与RNN结合进行图像分类，将注意力机制运用在自然语言处理中提高翻译精度，注意力机制本质上说就是实现信息处理资源的高效分配，例如先关注场景中的一些重点，剩下的不重要的场景可能会被暂时性地忽略，注意力机制能够以高权重去聚焦重要信息，以低权重去忽略不相关的信息，并且还可以不断调整权重，使得在不同的情况下也可以选取重要的信息。其基本网络框架如图所示。注意力机制自提出后，影响了基于深度学习算法的许多人工智能领域的发展。而当前注意力机制已成功地应用于图像处理、自然语言处理和数据预测

文章目录前言一、ACON激活函数论文简介ACONfamilyYOLOv5中应用二、注意力机制CBAM论文简介CBAM注意力机制YOLOv5中应用CA论文简介CoordinateAttentionYOLOv5中应用加入CA后无法显示GFLOPs信息三、BiFPN特征融合论文简介双向加权特征金字塔BiFPNYOLOv5中应用（作者自己改的）进一步结合BiFPNReferences前言【魔改YOLOv5-6.x（上）】：结合轻量化网络Shufflenetv2、Mobilenetv3和Ghostnet本文使用的YOLOv5版本为v6.1，对YOLOv5-6.x网络结构还不熟悉的同学们，可以移步至：【Y