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

问题：cMake编译yolov5报错：NoCUDAtoolsetfound.解决：在stackoverflow找到解决方案。将该路径下的四个文件C:\ProgramFiles\NVIDIAGPUComputingToolkit\CUDA\v11.1\extras\visual_studio_integration\MSBuildExtensions拷贝到以下路径中。C:\ProgramFiles(x86)\MicrosoftVisualStudio\2019\Enterprise\MSBuild\Microsoft\VC\v160\BuildCustomizations再编译，通过。注意：换成

Pre:如果之前从没接触过实例分割，建议先了解一下实例分割的输出是什么。实例分割两个关键输出是：mask系数、mask原型本文参考自该项目(这么优秀的代码当然要给star!)：GitHub-UNeedCryDear/yolov5-seg-opencv-onnxruntime-cpp:yolov5segmentationwithonnxruntimeandopencv目录Pre:一、代码总结1、实例分割输出与目标检测输出的区别？2、如何获得目标的mask?二、源码yolov5_seg_utils.hyolov5_seg_utils.cppyolo_seg.hyolo_seg.cppmain.cp

简介🚀yolov5-v7.0版本正式发布，本次更新的v7.0则是全面的大版本升级，最主要的功能就是全面集成支持了实例分割，yolov5已经集成检测、分类、分割任务。前面几篇文章已经介绍过关于Yolov5的一些方面yolov5目标检测:https://blog.csdn.net/qq_45066628/article/details/129470290?spm=1001.2014.3001.5501yolov5分类:https://blog.csdn.net/qq_45066628/article/details/129594154?spm=1001.2014.3001.5501yolov5网络

目录1、torchstat 2、thop3、fvcore 4、flops_counter5、自定义统计函数FLOPS和FLOPs的区别：FLOPS：注意全大写，是floatingpointoperationspersecond的缩写，意指每秒浮点运算次数，理解为计算速度。是一个衡量硬件性能的指标。FLOPs：注意s小写，是floatingpointoperations的缩写（s表复数），意指浮点运算数，理解为计算量。可以用来衡量算法/模型的复杂度。在介绍torchstat包和thop包之前，先总结一下：torchstat包可以统计卷积神经网络和全连接神经网络的参数和计算量。thop包可以统计统

关于ResNet的原理和具体细节，可参见上篇解读：经典神经网络论文超详细解读（五）——ResNet（残差网络）学习笔记（翻译＋精读＋代码复现）接下来我们就来复现一下代码。源代码比较复杂，感兴趣的同学可以上官网学习： https://github.com/pytorch/vision/tree/master/torchvision本篇是简化版本  一、BasicBlock模块BasicBlock结构图如图所示： BasicBlock是基础版本，主要用来构建ResNet18和ResNet34网络，里面只包含两个卷积层，使用了两个3*3的卷积，通道数都是64，卷积后接着BN和ReLU。右边的曲线就是

YOLOV7训练自己的数据集以及训练结果分析(手把手教你)YOLOV7训练自己的数据集整个过程主要包括：环境安装----制作数据集----参数修改----模型测试----模型推理一：环境安装condacreate-nyolov7python=3.8condaactivateyolov7#cudacudnntorch等版本就不细说了，根据自己的显卡配置自行下载#v7guihub代码地址https://github.com/WongKinYiu/yolov7gitclonehttps://github.com/WongKinYiu/yolov7.git#下载到本地也行#cd到v7项目中condaa

YOLOV7训练自己的数据集以及训练结果分析(手把手教你)YOLOV7训练自己的数据集整个过程主要包括：环境安装----制作数据集----参数修改----模型测试----模型推理一：环境安装condacreate-nyolov7python=3.8condaactivateyolov7#cudacudnntorch等版本就不细说了，根据自己的显卡配置自行下载#v7guihub代码地址https://github.com/WongKinYiu/yolov7gitclonehttps://github.com/WongKinYiu/yolov7.git#下载到本地也行#cd到v7项目中condaa

目录Unet++网络Denseconnectiondeepsupervision模型复现Unet++数据集准备模型训练训练结果Unet++：《UNet++:ANestedU-NetArchitectureforMedicalImageSegmentation》作者对Unet和Unet++的理解：研习U-Net 延续前文：语义分割系列2-Unet（pytorch实现）本文将介绍Unet++网络，在pytorch框架上复现Unet++，并在Camvid数据集上进行训练。Unet++网络DenseconnectionUnet++继承了Unet的结构，同时又借鉴了DenseNet的稠密连接方式（图1中

目录Unet++网络Denseconnectiondeepsupervision模型复现Unet++数据集准备模型训练训练结果Unet++：《UNet++:ANestedU-NetArchitectureforMedicalImageSegmentation》作者对Unet和Unet++的理解：研习U-Net 延续前文：语义分割系列2-Unet（pytorch实现）本文将介绍Unet++网络，在pytorch框架上复现Unet++，并在Camvid数据集上进行训练。Unet++网络DenseconnectionUnet++继承了Unet的结构，同时又借鉴了DenseNet的稠密连接方式（图1中