在conda虚拟环境下安装torch==1.7.1+GPU版本本机环境CUDA11.0Python3.7安装torch1.7.1官网搜索确认需要下载的对应本机cuda的torch版本，使用在线下载即可，会直接安装好torch、torhvision、torchaudio。1、官网搜索对应cuda的版本2、安装命令condainstallpytorch==1.7.1torchvision==0.8.2torchaudio==0.7.2cudatoolkit=11.0-cpytorch查看安装版本importtorch#检测torch、cuda、cudnn版本print(torch.__versio

2022年5月，PyTorch官方宣布已正式支持在M1芯片版本的Mac上进行模型加速。官方对比数据显示，和CPU相比，M1上炼丹速度平均可加速7倍。哇哦，不用单独配个GPU也能加速这么多，我迫不及待地搞到一个M1芯片的MacBook后试水了一番，并把我认为相关重要的信息梳理成了本文。一，加速原理Question1，MacM1芯片为什么可以用来加速pytorch？因为MacM1芯片不是一个单纯的一个CPU芯片，而是包括了CPU(中央处理器)，GPU(图形处理器)，NPU(神经网络引擎)，以及统一内存单元等众多组件的一块集成芯片。由于MacM1芯片集成了GPU组件，所以可以用来加速pytorch.

2022年5月，PyTorch官方宣布已正式支持在M1芯片版本的Mac上进行模型加速。官方对比数据显示，和CPU相比，M1上炼丹速度平均可加速7倍。哇哦，不用单独配个GPU也能加速这么多，我迫不及待地搞到一个M1芯片的MacBook后试水了一番，并把我认为相关重要的信息梳理成了本文。一，加速原理Question1，MacM1芯片为什么可以用来加速pytorch？因为MacM1芯片不是一个单纯的一个CPU芯片，而是包括了CPU(中央处理器)，GPU(图形处理器)，NPU(神经网络引擎)，以及统一内存单元等众多组件的一块集成芯片。由于MacM1芯片集成了GPU组件，所以可以用来加速pytorch.

基于Torchaudio构建数据集文章目录基于Torchaudio构建数据集前言02Trainingafeedforwardnetwork03Makingpredictions04Creatingacustomdataset05ExtractingMelspectrograms06Paddingaudiofiles07PreprocessingdataonGPU一、下载数据集文件目录标注格式二、UrbanSoundDataset类的定义三、提取梅尔频谱特征定义梅尔转换修改UrbanSoundDataset类，初始化时传入：重采样多声道合并完善get_item五、样本padding和cutcut

基于Torchaudio构建数据集文章目录基于Torchaudio构建数据集前言02Trainingafeedforwardnetwork03Makingpredictions04Creatingacustomdataset05ExtractingMelspectrograms06Paddingaudiofiles07PreprocessingdataonGPU一、下载数据集文件目录标注格式二、UrbanSoundDataset类的定义三、提取梅尔频谱特征定义梅尔转换修改UrbanSoundDataset类，初始化时传入：重采样多声道合并完善get_item五、样本padding和cutcut

原文链接：UAVRecognitionandTrackingMethodBasedonYOLOv5|IEEEConferencePublication|IEEEXplore《基于改进YOLOv5的无人机图像检测算法》论文阅读    基于深度学习的目标检测算法通常对传统目标检测效果较好，但对小目标的检测精度较低。针对该问题，该文通过对无人机采集图像的研究，提出一种改进的YOLOv5小目标检测算法。    首先，针对采样频率高、图像感受野大的问题，增加上采样，进一步扩展特征图。然后，针对浅层特征语义信息不足的问题，采用特征融合方法，增加一个160*160输出检测层。最后，由于上述步骤会增加计算量，

目录一.在pycharm打开克隆后的yolov5-5.0的项目二.配置pycharm的解释器1.依次打开:文件->设置->项目->python解释器2.打开配置好的deeplearn学习环境1.单击添加解释器->单击添加本地解释器2.单击【现有】3.单击【...】4.依次选择自己安装anaconda的位置->envs->deeplearn（deeplearn是配置conda环境时，自己创建的深度学习的环境）->python.exe,点击确定即可！5.依次保存退出即可！三.安装运行yolov5所需的包！1.一般打开这个文件，此时都会出现这个提示，提示你需要安装相应的包，点击【安装要求】，然后耐心

目录一.在pycharm打开克隆后的yolov5-5.0的项目二.配置pycharm的解释器1.依次打开:文件->设置->项目->python解释器2.打开配置好的deeplearn学习环境1.单击添加解释器->单击添加本地解释器2.单击【现有】3.单击【...】4.依次选择自己安装anaconda的位置->envs->deeplearn（deeplearn是配置conda环境时，自己创建的深度学习的环境）->python.exe,点击确定即可！5.依次保存退出即可！三.安装运行yolov5所需的包！1.一般打开这个文件，此时都会出现这个提示，提示你需要安装相应的包，点击【安装要求】，然后耐心

关于这个问题，大都是因为数据集的路径问题，需要主要的是自己的数据集的下的data.yaml文件，这个文件里的两个相对路径改成绝对路径（yolov5-YoloV5问题“异常：找不到数据集”。在本地计算机上-堆栈溢出(stackoverflow.com)）  写的潦草，只为自己有点印象

因为一开始装的时候没有搞清楚安装逻辑，走了很多弯路。所以现在简述一下我的安装思路。可能存在错误，但结果最后我装好了。1.确认自己电脑独立显卡是否为NVIDIA我的台式电脑：（没有NVIDIA） 我的笔记本电脑：（没有NVIDIA）所以我的这两台设备都只能安装cpu版本的torch,cuda版本的可以放弃，因为我试过都没装好，还做过比如安装NVIDIA驱动器无用的操作。在官网生成torchcpu安装命令。condainstallpytorchtorchvisiontorchaudiocpuonly-cpytorch这里我用的是官网的源，有很多博主使用清华源，但是我清华源镜像怎么都访问不到。2.准