文章目录一、Mx-yolov3环境配置二、模型训练1.测试 2.数据集制作3.VOTT标注与模型测试三、部署到k210 1.模型转换 2.脚本运行 3.脱机运行 4.一个问题四、总结一、Mx-yolov3环境配置1.Mx-yolov3软件下载：链接：https://pan.baidu.com/s/1U0c6hk5PNdOwECnhu_XjuA           提取码：fy222.在安装路径中打开文件夹，打开环境配置，运行环境配置.exe。3.安装python3.7.4  点击安装Python3.7.4会弹出python的安装界面，然后跟随视频 【K210】识别神器Mx-yolov3安装教程

YOLOV8改进：如何增加注意力模块？（以CBAM模块为例）前言YOLOV8nn文件夹modules.pytask.pymodels文件夹总结前言因为毕设用到了YOLO，鉴于最近V8刚出，因此考虑将注意力机制加入到v8中。YOLOV8代码地址：YOLOV8官方代码使用pip安装或者clone到本地，在此不多赘述了。下面以使用pip安装ultralytics包为例介绍。进入ultralytics文件夹nn文件夹再进入nn文件夹。--modules.py：在里面存放着各种常用的模块，如：Conv，DWConv，ConvTranspose，TransformerLayer，Bottleneck等--

YOLOV8改进：如何增加注意力模块？（以CBAM模块为例）前言YOLOV8nn文件夹modules.pytask.pymodels文件夹总结前言因为毕设用到了YOLO，鉴于最近V8刚出，因此考虑将注意力机制加入到v8中。YOLOV8代码地址：YOLOV8官方代码使用pip安装或者clone到本地，在此不多赘述了。下面以使用pip安装ultralytics包为例介绍。进入ultralytics文件夹nn文件夹再进入nn文件夹。--modules.py：在里面存放着各种常用的模块，如：Conv，DWConv，ConvTranspose，TransformerLayer，Bottleneck等--

网上有许多pytorch-gpu环境配置的方法，我结合了许多篇文章自己成功安装并把完整的安装过程记录下来，大家可以参考一下首先打开NVIDIA控制面板：搜索NViDIA即可出现进入NVIDIA控制面板后点击系统信息：.csdnimg.cn/3229a7fe8d3042b0b16830642bde0f11.png)我的驱动版本支持CUDA11.6NVIDIA官网下载CUDA（是NVIDIA推出的用于自家GPU的并行计算框架，CUDA只能在NVIDIA的GPU上运行，）：选择对应版本接下来下载cuDNN（是NVIDIA打造的针对深度神经网络的加速库，不是必须，但一般会采用）选择对应版本：两个东西下

目标：在NLP领域，基于公开语料的预训练模型，在专业领域迁移时，会遇到专业领域词汇不在词汇表的问题，本文介绍如何添加专有名词到预训练模型。例如，在bert预训练模型中，并不包含财经词汇，比如‘市盈率’等财务指标词汇，本文将介绍：如何把专业名词添加到词汇表中方法1：修改vocab方法2：更通用，修改分词器tokenizer如何保留现有模型能力，并训练新词汇的embedding表示内容：NLP的分词NLP的处理流程：对输入的句子进行分词，得到词语及下标通过embedding层获得词语对应的embeddingembedding送入到预训练模型，经过attention注意力机制，获得token在句子中

文章目录问题描述问题原因解决方案参考问题描述在coding的时候我们经常在指定device的时候用这么一句代码：device='cuda'iftorch.cuda.is_available()else'cpu'但是有时候我们会发现device确实是放在了cpu上面，所以为了明确出错的原因，我们在shell里先import了torch，再执行torch.cuda.is_available()，发现在返回False结果之前给出了错误原因，其中部分内容就是我们在标题中写的。问题原因这种情况一般来说有两种原因gpu的计算能力过差pytorch慢慢已经不支持cc(computecapability)小于

目录jetsonnano环境配置+yolov5部署+tensorRT加速模型致谢主机和jetsonnano环境jetson系统开机烧录、系统设置、换源python环境配置conda环境yolov5环境matplotlib和opencv-pythontensorRT加速JetsonNano的conda虚拟环境中使用TensorRT建立软链接查看版本运行export.py和detect.py其他错误KeyError:'names'总结其他可能有用的参考文章图片展示jetsonnano环境配置+yolov5部署+tensorRT加速模型断断续续地前后花了一个多星期配置环境以及部署模型，期间也报了无数

目录jetsonnano环境配置+yolov5部署+tensorRT加速模型致谢主机和jetsonnano环境jetson系统开机烧录、系统设置、换源python环境配置conda环境yolov5环境matplotlib和opencv-pythontensorRT加速JetsonNano的conda虚拟环境中使用TensorRT建立软链接查看版本运行export.py和detect.py其他错误KeyError:'names'总结其他可能有用的参考文章图片展示jetsonnano环境配置+yolov5部署+tensorRT加速模型断断续续地前后花了一个多星期配置环境以及部署模型，期间也报了无数

1.实战部分1.1具体操作其实和之前的deepsort没差到github上下载Yolov5_StrongSORT_OSNet下载对应的yolov5去替代原文件中yolov5下载yolov5权重（可以自动下载）和ReID权重（可能要科学上网）放到weight里面ReID权重有点神秘，给的是需要科学上网才能下载的，下载之后发现是pth，好像是会格式不对应默认的osnet_x0_25_msmt17.pt也给到你们：链接：https://pan.baidu.com/s/1RlB1oeiOQ7Le3XFd_QhmAg?pwd=nlsh提取码：nlsh或者是到csdn这里去下载把一些没法自动下载的疯狂报错

1.实战部分1.1具体操作其实和之前的deepsort没差到github上下载Yolov5_StrongSORT_OSNet下载对应的yolov5去替代原文件中yolov5下载yolov5权重（可以自动下载）和ReID权重（可能要科学上网）放到weight里面ReID权重有点神秘，给的是需要科学上网才能下载的，下载之后发现是pth，好像是会格式不对应默认的osnet_x0_25_msmt17.pt也给到你们：链接：https://pan.baidu.com/s/1RlB1oeiOQ7Le3XFd_QhmAg?pwd=nlsh提取码：nlsh或者是到csdn这里去下载把一些没法自动下载的疯狂报错