可视化在深度学习时代算是核心需求，借助可视化功能，研究者可以快速定位分析模型以及排查问题。在OpenMMLab2.0时代，MMEngine对常用的可视化需求进行了设计和实现，其具备如下功能：提供丰富的开箱即用可视化功能，能够满足大部分计算机视觉可视化任务高扩展性，可视化功能多样化，能够通过简单扩展实现定制需求能够在训练和测试流程的任意点位进行可视化OpenMMLab各个算法库具有统一可视化接口，利于用户理解和维护系列文章概览我们将开启可视化分析系列文章，结合MMYOLO中的YOLOv5算法，对MMEngine和MMDetection3.x中实现的可视化功能进行全面解析。通过本系列文章你将能快速

theme:juejin来自社区PeterH0323投稿AI已经被应用到各行各业，现如今任何人都可以轻松基于开源框架快速搭建符合自身需求的AI应用。本文将基于MMYOLO开源框架，基于生活中收集的猫猫数据集，教你如何从零开始训练一个可部署检测模型。本文档配套的视频已发布在B站，可前去查看:自定义数据集从标注到部署保姆级教程本教程所有指令是在Linux上面完成，Windows也是完全可用的，但是命令和操作稍有不同。本文为实践操作类教程。为了让不同水平用户都能基于自定义数据训练出一个不错的模型，本文将分成多个步骤详细描述。如果你自定义数据集训练效果不佳，麻烦你按照本文步骤逐条确认下是否有不正确或者

文章目录一、MMYOLO简介1.1MMYOLO的安装和简单训练1.2详细配置参数1.3构建Cat数据集的Config文件1.3.1数据集分布可视化1.3.2Anchor-based方法中anchor尺寸的优化1.3.3可视化数据处理二、MMYOLO的框架结构2.1以YOLOv5为例来说明MMYOLO的框架结构2.1.1Backbone2.1.2Neck2.1.3Head2.2YOLO系列算法如何进行正负样本分配代码链接：https://github.com/open-mmlab/mmyolo/tree/main相关文档：1、自定义数据集标注+训练+测试+部署全流程2、10分钟带你换遍主干网络3