目录一.【YOLOV5算法原理】1.输入端2.Backbone3.Neck4.输出端二．【系统环境】1.虚拟机的安装与创建2.安装Ubuntu操作系统3.环境的配置3.1.Ubuntu下Anacoda安装以及虚拟环境配置3.2.Pytorch安装3.3.Vscode安装3.4.Yolov5源码及环境获取安装三.【测试Yolov5】四.【实现自己输入图片/笔记本摄像头的目标检测】1.输入自己的图片2.使用笔记本摄像头目标检测更多细节：【使用外接USB摄像头进行目标检测】【Ros下搭载yolov5实现目标检测】最终效果：------------------------全文8686字102图一步一步

PyTorch是目前最受欢迎的深度学习框架之一，初始版本于2016年9月由AdamPaszke、SamGross、SoumithChintala等人创建，并于2017年在GitHub上开源。因其简洁、易用、支持动态计算图且内存使用高效，PyTorch受到众多开发者的喜爱，并被广泛应用于支持科学研究以及ChatGPT等应用的开发。此外，PyTorch有一个活跃的大型开源社区，提供了丰富的教程、示例代码和问题解答，给予成员帮助和支持。SoumithChintala是Meta副总裁以及PyTorch的联合创始人。Soumith对PyTorch的发展过程和最终用户体验产生了重要影响，并主导塑造了PyT

【作业向】根据给定的猫狗分类数据集，对比单层CNN模型、从头训练CNN模型(mobileNet)、微调预训练CNN模型(mobileNet)的差异。生成的模型的正向传播图（相关方法见我）。使用PyTorch实现。本文代码（数据集在同目录下）：我的Github文章目录关于数据集建立Dataset对象模型1：单层卷积+单层池化+全连接定义训练和评估函数模型2：从头训练（MobileNet）模型3：预训练模型+微调（MobileNet）保存模型前向传播可视化测试集评估模型效果关于数据集数据集结构很简单，训练集和测试集分两个目录，分别对应cat和dog两个文件夹。只需要使用torchvision.da

前言：虽然不是第一次装pytorch，但是这次遇到的问题挺多，不过幸好最后都解决了。目录1.下载Anaconda2.换源2.1生成.condarc文件2.2修改该文件内容 3.去确认下载版本，事半功倍。3.1进入清华大学镜像网站3.2进入之后找到anaconda并依次打开cloud/pytorch/win-64 3.3往下拉，找到自己想要下载的组合3.3.1补充说明确定自己电脑的cuda版本 4.在第三步确定好三个的版本后打开Anacondaprompt，之后所有命令都在这里面4.1创建新的虚拟环境，复制粘贴下面命令。 4.2查看是否创建成功4.3激活刚刚创建的pytorch环境5.进入pyt

Part1环境搭建需要下载的软件和包：AnacondaPycharmPythonPyTorchgympygame一、Anaconda下载与安装直接从官网下载：https://www.anaconda.comhttps://www.anaconda.com/点击Download下载即可。下载好后，打开安装包，自己选一个安装路径，默认路径也行，放其他盘也行，我安装在D盘下的Anaconda文件夹下。安装向导一路下一步即可。二、Python和Pycharm下载与安装Python和PyCharm安装过程就不PO了，去官网下载安装即可。附上官网地址：PyCharm:thePythonIDEforProf

我在docker容器(AlpineLinux)中运行Redis。我按照手册在文件/etc/redis.conf中设置了密码需要通过Abcd-1234但是，当我重新启动Redis(dockerrestartredis_container)时，我仍然被告知没有设置密码。“CONFIGGETrequirepass”产生“”。奇怪的是，配置文件中的其他参数确实在容器重启时生效。我可以通过“CONFIGSETrequirepassAbcd-1234”设置密码，但它不会持续到下次重启。有什么建议我应该如何解决这种情况？提前致谢。 最佳答案 启动

1.概述本文主要是参照B站UP主霹雳吧啦Wz的视频学习笔记，参考的相关资料在文末参照栏给出，包括实现代码和文中用的一些图片。整个工程已经上传个人的githubhttps://github.com/lovewinds13/QYQXDeepLearning，下载即可直接测试，数据集文件因为比较大，已经删除了，按照下文教程下载即可。论文下载：DeepResidualLearningforImageRecognition2.ResNetResNet（deepresidualnetwork）在2015年由微软实验室提出，斩获当年ImageNet竞赛中分类任务第一名，目标检测第一名。获得COCO数据集中目

我们已经实现了Jedis.expire事件，并倾向于使用KeyExpiredListener类的onPMessage方法进行捕获。KeyExpiredListenerextendsJedisPubSub{......publicvoidonPMessage(Stringpattern,Stringchannel,Stringmessage){....}....}完美运行当我们在Rediscli中设置.thenotify事件时。redis-cliconfigsetnotify-keyspace-eventsEx但正如预期的那样，如果我们重新启动redis服务器，事件监听器将切换回默认值，

记录StableDiffusionwebUITensorRT插件使用过程的报错：RuntimeError:Expectedalltensorstobeonthesamedevice,butfoundatleasttwodevices,cpuandcuda:0!(whencheckingargumentforargumentmat1inmethodwrapper_CUDA_addmm)拷贝下面的代码覆盖extensions\stable-diffusion-webui-tensorrt里的export_onnx.py文件，将模型和相关的张量移动到GPU，即可解决。importosfrommodu

RuntimeError:FlashAttentionisonlysupportedonCUDA11andabove问题描述解决方案问题描述RuntimeError:FlashAttentionisonlysupportedonCUDA11andabove解决方案此错误的原因可能是nvcc的CUDA版本（通过键入“nvcc-V”获得，可能类似问题在这里解决:https://stackoverflow.com/questions/40517083/multiple-cuda-versions-on-machine-nvcc-v-confusion我解决了这个问题通过:首先：vim~/.bashr