?该教程为《芒果书》?系列，包含大量的原创首发改进方式,所有文章都是全网首发原创改进内容?内容出品：CSDN博客独家更新@CSDN芒果汁没有芒果?本篇文章基于YOLOv8芒果改进YOLO系列：芒果YOLOv8改进WDLoss损失函数：独家首发更新｜即插即用｜YOLOv8小目标检测高效涨点，改进用于小目标检测的归一化高斯WassersteinDistanceLoss，提升小目标检测。重点：???有多个同学已经使用这个WDLoss创新点在小目标数据集改进做完实验：在小目标检测上的效果很强！小目标的mAP精度涨点了！！实测改进有效????内含·改进源代码·，按步骤操作运行改进后的代码即可本文内容包括

作者：禅与计算机程序设计艺术引言1.1.背景介绍PyTorch作为目前最受欢迎的深度学习框架之一,其自适应优化算法Adam、Adagrad和Adadelta在训练神经网络时具有很好的性能表现。自适应优化算法主要通过学习动态参数来优化模型的训练过程,从而提高模型的训练效率和稳定性。而Adam、Adagrad和Adadelta是PyTorch中比较流行的自适应优化算法之一。1.2.文章目的本文旨在介绍PyTorch中自适应优化的原理、实现步骤以及应用场景,并深入探讨Adam、Adagrad和Adadelta算法的原理和优缺点。同时,文章将介绍如何优化和改进这些算法,以提高模型的训练效率和稳定性。1

遇到报错：[Wreducer.cpp:362]Warning:Gradstridesdonotmatchbucketviewstrides.Thismayindicategradwasnotcreatedaccordingtothegradientlayoutcontract,orthattheparam’sstrideschangedsinceDDPwasconstructed.Thisisnotanerror,butmayimpairperformance.机翻：警告。梯度与桶状视图的梯度不一致。这可能表明grad没有按照梯度布局合同创建，或者参数的步长在DDP构建后发生了变化。这不是一个

本文通过详细且实践性的方式介绍了PyTorch的使用，包括环境安装、基础知识、张量操作、自动求导机制、神经网络创建、数据处理、模型训练、测试以及模型的保存和加载。1.Pytorch简介在这一部分，我们将会对Pytorch做一个简单的介绍，包括它的历史、优点以及使用场景等。1.1Pytorch的历史PyTorch是一个由Facebook的人工智能研究团队开发的开源深度学习框架。在2016年发布后，PyTorch很快就因其易用性、灵活性和强大的功能而在科研社区中广受欢迎。下面我们将详细介绍PyTorch的发展历程。在2016年，Facebook的AI研究团队（FAIR）公开了PyTorch，其旨在

UserWarning: floordiv isdeprecated,anditsbehaviorwillchangeinafutureversionofpytorch.Itcurrentlyroundstoward0原因：torch.floor_divide() 已弃用，将在未来的PyTorch版本中删除。它的名字用词不当，因为它实际上将商四舍五入为零而不是取其底数。要保持当前行为，请使用 torch.div() 和 rounding_mode='trunc' 。要实际执行楼层划分，请使用 torch.div() 和 rounding_mode='floor' 。解决办法：torch.flo

参考：https://www.bilibili.com/video/BV1Fx4y1j7yy/?spm_id_from=333.337.search-card.all.clickhttps://www.gongsunqi.xyz/posts/3c995b2a/#wsl%E5%AE%89%E8%A3%85anaconda%E5%B9%B6%E9%85%8D%E7%BD%AE%E7%8E%AF%E5%A2%83在深度学习中经常会用到linux环境，但是相对于windows，对于作者这样的小白，使用linux肯定不是首选，但是最近用到了某些包，只能在linux环境下使用，在安装双系统时，发现了WSL

在使用gpu进行训练或推理会比纯用cpu快好几倍，所以一般我们如果设备有gpu都尽量会用上gpu。首先能使用gpu的有：数据（输入的图片、标注的label），损失函数，网络模型。方法一这三处都调用.cuda()进行返回。网络模型：损失函数：数据（输入的图片、标注的label）：训练集、验证集、测试集（这里拿训练集贴图举例）。方式二首先定义网络训练的设备，然后三处都调用.to(device)进行返回#定义训练的设备device=torch.device("cuda"iftorch.cuda.is_available()else"cpu")网络模型：损失函数：数据（输入的图片、标注的label）：

直接按官网命令下载torch文件太慢，有时候还可能下一半直接中断导致下载失败。。我们到https://download.pytorch.org/whl/torch_stable.html这个网站里： cu+序号后面表示cuda版本，即GPU版本（cpu+序号表示cpu)，如cu117表示cuda11.7；cp+序号表示python版本，如cp310表示python3.10；我们按自己的cuda版本和python版本找到对应的torch和torchversion文件即可，下载贼快。找到对应文件下载好放入需要配置torch的文件夹下：然后是pipinstall+文件名（注意要带whl)，如：pip

图神经网络(gnn)是一类功能强大的神经网络，它对图结构数据进行操作。它们通过从节点的局部邻域聚合信息来学习节点表示(嵌入)。这个概念在图表示学习文献中被称为“消息传递”。消息(嵌入)通过多个GNN层在图中的节点之间传递。每个节点聚合来自其邻居的消息以更新其表示。这个过程跨层重复，允许节点获得编码有关图的更丰富信息的表示。gnn的一主要变体有GraphSAGE[2]、GraphConvolutionNetwork[3]等。图注意力网络(GAT)[1]是一类特殊的gnn，主要的改进是消息传递的方式。他们引入了一种可学习的注意力机制，通过在每个源节点和目标节点之间分配权重，使节点能够在聚合来自本地

搭建Yolov5要注意两个大问题：一个是在搭建YOLOv5前的环境准备，另一个是前部环境搭好后对YOLOv5的配置，运行YOLOv5自带的检验程序，便于后续的处理。ps:搭建环境一定要细心+耐心目录一、环境准备二、数据准备三、YOLOv53.1YOLOv5v5.0下载安装3.2安装Yolov5v5.0依赖库3.2.1pycocotools总是报错解决方法1：去[清华pycocotools-windows镜像网站](https://pypi.tuna.tsinghua.edu.cn/simple/pycocotools-windows/)手动下载。解决方法2：下载已有pycocotools压缩包