训练过程展示：目录1、复现过程1.1、配置开发环境1.2、demo预测实现过程2、项目实现方法与代码（包括训练、测试、评估、预测阶段）2.1、训练、测试、评估、预测代码适配2.2、同时开始训练、测试、评估、预测2.3、训练完之后进行预测2.4、训练、评估、混淆矩阵、召回曲线等3、本文档教程开源地址参考YOLOv8是ultralytics公司在2023年1月10号开源的YOLOv5的下一个重大更新版本，目前支持图像分类、物体检测和实例分割任务࿰

训练过程展示：目录1、复现过程1.1、配置开发环境1.2、demo预测实现过程2、项目实现方法与代码（包括训练、测试、评估、预测阶段）2.1、训练、测试、评估、预测代码适配2.2、同时开始训练、测试、评估、预测2.3、训练完之后进行预测2.4、训练、评估、混淆矩阵、召回曲线等3、本文档教程开源地址参考YOLOv8是ultralytics公司在2023年1月10号开源的YOLOv5的下一个重大更新版本，目前支持图像分类、物体检测和实例分割任务࿰

Torchvision.models包里面包含了常见的各种基础模型架构，主要包括以下几种：（我们以ResNet50模型作为此次演示的例子）AlexNetVGGResNetSqueezeNetDenseNetInceptionv3GoogLeNetShuffleNetv2MobileNetv2ResNeXtWideResNetMNASNet首先加载ResNet50模型，如果如果需要加载模型本身的参数，需要使用pretrained=True，代码如下importtorchvisionfromtorchvisionimportmodelsresnet50=models.resnet50(pretra

在远程服务器安装pytorch，根据官网命令进行安装，但在完成之后，显示GPU不可用，故记录此大坑。一、根据官网进行安装 安装的很快，但是！！安装结束之后，输入以下代码进行安装验证却显示没有成功安装！！importtorch#如果pytorch安装成功即可导入print(torch.cuda.is_available())#查看CUDA是否可用print(torch.cuda.device_count())#查看可用的CUDA数量print(torch.version.cuda)#查看CUDA的版本号所以这表明安装大失败！但是不死心的我又输入以下语句来检查torchcondalist这表明我们

小白刚开始学习《动手学深度学习》，第一次发文，本文主要是为了记录在环境搭建过程中遇到的问题和疑惑，以及解决方法，同时希望能帮到遇到相同问题的小伙伴。在学习中遇到的疑惑和最后搜索得到的解答，都放在了每一段的Q&A中了，若遇到问题可查看。另外特别感谢在搭建过程中从此答主处收获颇丰，本文许多内容与环境搭建实现过程都是对此教程的复现：阖家欢乐：搭建深度学习平台的详细过程（pytorch安装）https://zhuanlan.zhihu.com/p/393409713话不多说，开干：本次环境搭建所需安装的有：Miniconda、CUDA、cuDNN、torch、torchvision、pycharm首要

小白刚开始学习《动手学深度学习》，第一次发文，本文主要是为了记录在环境搭建过程中遇到的问题和疑惑，以及解决方法，同时希望能帮到遇到相同问题的小伙伴。在学习中遇到的疑惑和最后搜索得到的解答，都放在了每一段的Q&A中了，若遇到问题可查看。另外特别感谢在搭建过程中从此答主处收获颇丰，本文许多内容与环境搭建实现过程都是对此教程的复现：阖家欢乐：搭建深度学习平台的详细过程（pytorch安装）https://zhuanlan.zhihu.com/p/393409713话不多说，开干：本次环境搭建所需安装的有：Miniconda、CUDA、cuDNN、torch、torchvision、pycharm首要

前言在上一篇中，我们简单介绍了YOLOv5的配置文件之一yolov5s.yaml，这个文件中涉及很多参数，它们的调用会在这篇yolo.py和下一篇common.py中具体实现。本篇我们会介绍yolo.py，这是YOLO的特定模块，和网络构建有关。在 YOLOv5源码中，模型的建立是依靠yolo.py中的函数和对象完成的，这个文件主要由三个部分：parse_model函数、Detect类和Model类组成。yolo.py文件位置在./models/yolo.py文章代码逐行手打注释，每个模块都有对应讲解，一文帮你梳理整个代码逻辑！友情提示：全文4万字，可以先点再慢慢看哦~源码下载地址：mirro

前言在上一篇中，我们简单介绍了YOLOv5的配置文件之一yolov5s.yaml，这个文件中涉及很多参数，它们的调用会在这篇yolo.py和下一篇common.py中具体实现。本篇我们会介绍yolo.py，这是YOLO的特定模块，和网络构建有关。在 YOLOv5源码中，模型的建立是依靠yolo.py中的函数和对象完成的，这个文件主要由三个部分：parse_model函数、Detect类和Model类组成。yolo.py文件位置在./models/yolo.py文章代码逐行手打注释，每个模块都有对应讲解，一文帮你梳理整个代码逻辑！友情提示：全文4万字，可以先点再慢慢看哦~源码下载地址：mirro

YOLOv8出来一段时间了，继承了分类、检测、分割，本文主要实现自定义的数据集，使用YOLOV8进行检测模型的训练和使用YOLOv8此次将所有的配置参数全部解耦到配置文件default.yaml，不再类似于YOLOv5，一部分在配置文件，一部分在train.py中1.运行环境windows11和Ubuntu20.04（建议使用Linux系统）首先切换到自己建立的虚拟环境安装pytorchtorch1.12.0+cu116（根据自身设备而定）torchvision0.13.0+cu116（根据自身设备而定）安装完成后，使用git命令将源码克隆下来gitclonehttps://github.co

YOLOv8出来一段时间了，继承了分类、检测、分割，本文主要实现自定义的数据集，使用YOLOV8进行检测模型的训练和使用YOLOv8此次将所有的配置参数全部解耦到配置文件default.yaml，不再类似于YOLOv5，一部分在配置文件，一部分在train.py中1.运行环境windows11和Ubuntu20.04（建议使用Linux系统）首先切换到自己建立的虚拟环境安装pytorchtorch1.12.0+cu116（根据自身设备而定）torchvision0.13.0+cu116（根据自身设备而定）安装完成后，使用git命令将源码克隆下来gitclonehttps://github.co