一.代码和数据集准备1.代码：使用b站up主霹雳吧啦Wz提供的代码：https://github.com/WZMIAOMIAO/deep-learning-for-image-processing/tree/master/pytorch_object_detection/faster_rcnn 2.数据集①PASCALVOC2012数据集下载地址：http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar②自己的数据集按VOC数据集格式准备，因为只进行目标检测，按下图层级目录和文件夹命名即可。其中Anno
关键代码x=torch.randn(64,3,128,128)transform=transforms.Compose([transforms.Resize(64),transforms.ToTensor(),transforms.Normalize([0.5],[0.5])])transform(x)原因在于x本就是Tensor类型的，有写了一次ToTensor()转换类型，因此会报错。解决办法删除transforms.ToTensor()或者修改x类型为其他类型
前提环境： 显卡更换之前（之前使用的是2080ti），已在ubuntu图形界面的“附加驱动”中安装nvidia驱动，并且anaconda环境中的pytorch正常使用。 首先的首先，当然是献上伟大的护舒宝。1.官网下载4090显卡驱动Linuxx64(AMD64/EM64T)DisplayDriver|520.56|Linux64-bit|NVIDIA注: 确保已在“附加驱动”中安装过nvida驱动，否则请手工禁用 nouveau2.关闭图形界面sudosystemctlset-defaultmulti-user.targetsudoreboot对应的打开图形界面命令为（暂时不打开）
前提环境： 显卡更换之前（之前使用的是2080ti），已在ubuntu图形界面的“附加驱动”中安装nvidia驱动，并且anaconda环境中的pytorch正常使用。 首先的首先，当然是献上伟大的护舒宝。1.官网下载4090显卡驱动Linuxx64(AMD64/EM64T)DisplayDriver|520.56|Linux64-bit|NVIDIA注: 确保已在“附加驱动”中安装过nvida驱动，否则请手工禁用 nouveau2.关闭图形界面sudosystemctlset-defaultmulti-user.targetsudoreboot对应的打开图形界面命令为（暂时不打开）
1、移除旧的环境如果原来有一个d2l-zh的环境，那么要先进行这个环境的删除condaenvremoved2l-zh2、虚拟环境创建首先进行虚拟环境的创建，使用Anaconda进行虚拟环境的创建，我这里的虚拟环境的名称是：d2l-zhcondacreate--named2l-zhpython==3.8.5使用命令查看虚拟环境是否安装好condainfo--env3、相关包的安装安装需要的包，包括jupyter、d2l、torch、torchvision，两种安装方式：conda安装，Pip安装，推荐使用conda安装使用conda命令（使用这一个安装就可以）Anaconda官网的d2l安装命令
1、移除旧的环境如果原来有一个d2l-zh的环境，那么要先进行这个环境的删除condaenvremoved2l-zh2、虚拟环境创建首先进行虚拟环境的创建，使用Anaconda进行虚拟环境的创建，我这里的虚拟环境的名称是：d2l-zhcondacreate--named2l-zhpython==3.8.5使用命令查看虚拟环境是否安装好condainfo--env3、相关包的安装安装需要的包，包括jupyter、d2l、torch、torchvision，两种安装方式：conda安装，Pip安装，推荐使用conda安装使用conda命令（使用这一个安装就可以）Anaconda官网的d2l安装命令
如有错误，恳请指出。文章目录0.Yolov5的学习率调整方案1.LRRangeTest2.CyclicalLR3.OneCyclePolicy4.SGDR5.AdamW、SGDW6.Pytorch的余弦退火学习率策略对于学习率的调整一直是个比较困难的问题，在yolov5中提供了两种学习率的调整方式，一种是线性调整，另外一种就是OneCyclePolicy。而在查找资料的过程中，了解到了其他的学习率调整策略，这里一并归纳到这篇笔记中。其中包括：LRRangeTest、CyclicalLR、OneCyclePolicy、SGDR、AdamW、SGDW、pytorch实现的余弦退火策略。具体的学习率
如有错误，恳请指出。文章目录0.Yolov5的学习率调整方案1.LRRangeTest2.CyclicalLR3.OneCyclePolicy4.SGDR5.AdamW、SGDW6.Pytorch的余弦退火学习率策略对于学习率的调整一直是个比较困难的问题，在yolov5中提供了两种学习率的调整方式，一种是线性调整，另外一种就是OneCyclePolicy。而在查找资料的过程中，了解到了其他的学习率调整策略，这里一并归纳到这篇笔记中。其中包括：LRRangeTest、CyclicalLR、OneCyclePolicy、SGDR、AdamW、SGDW、pytorch实现的余弦退火策略。具体的学习率
本文介绍基于Anaconda环境以及PyCharm软件结合，安装PyTorch深度学习框架。PyTorch深度学习框架详细安装教程一、anaconda安装（一）下载（二）安装（三）配置环境变量（四）检查安装结果二、PyTorch安装（一）创建虚拟环境（二）激活虚拟环境（三）安装PyTorch三、PyCharm安装（一）下载（二）安装（三）激活专业版（四）汉化教程四、将PyTorch环境添加到PyCharm的解释器一、anaconda安装（一）下载官网下载链接:https://www.anaconda.com/清华大学开源软件镜像站：https://mirrors.tuna.tsinghua.e
本文介绍基于Anaconda环境以及PyCharm软件结合，安装PyTorch深度学习框架。PyTorch深度学习框架详细安装教程一、anaconda安装（一）下载（二）安装（三）配置环境变量（四）检查安装结果二、PyTorch安装（一）创建虚拟环境（二）激活虚拟环境（三）安装PyTorch三、PyCharm安装（一）下载（二）安装（三）激活专业版（四）汉化教程四、将PyTorch环境添加到PyCharm的解释器一、anaconda安装（一）下载官网下载链接:https://www.anaconda.com/清华大学开源软件镜像站：https://mirrors.tuna.tsinghua.e
