一、实验目的：利用LeNet-5实现手写数字识别二、实验环境：Win10+VisualStudioCode+Python3.6.6CUDA11.3+cuDNN8.2.1Pytorch1.10.0torchvision0.11.1numpy1.14.3+mklmatplotlib2.2.2三、实验理论知识——LeNet-51.背景  1998年计算机科学家YannLeCun等提出的LeNet5采用了基于梯度的反向传播算法对网络进行有监督的训练，YannLeCun在机器学习、计算机视觉等都有杰出贡献，被誉为卷积神经网络之父。LeNet5网络通过交替连接的卷积层和下采样层，将原始图像逐渐转换为一系列

 我想此后只要能以工作赚得生活费，不受意外的气，又有一点自己玩玩的余暇，就可以算是万分幸福了。                                                            ———《两地书》 🎯作者主页：追光者♂🔥        🌸个人简介： 💖[1]计算机专业硕士研究生💖 🌟[2]2022年度博客之星人工智能领域TOP4🌟 🏅[3]阿里云社区特邀专家博主🏅 🏆[4]CSDN-人工智能领域优质创作者🏆 

目录1.一些可用的参考链接2.开始训练yolov72.1--weights2.2--cfg2.3--data2.4--hyp2.5--epochs2.6--batch-size2.7--workers2.8--name1.一些可用的参考链接官方YOLOv7项目地址：https://github.com/WongKinYiu/yolov7如果想设置早停机制，可以参考这个链接：yolov7自动停止（设置patience）且输出最优模型时的PR图（testbest.py）学习train.py中的参数含义，可参考手把手调参最新YOLOv7模型训练部分-最新版本（二）学习detect.py中的参数含义，

目录1.一些可用的参考链接2.开始训练yolov72.1--weights2.2--cfg2.3--data2.4--hyp2.5--epochs2.6--batch-size2.7--workers2.8--name1.一些可用的参考链接官方YOLOv7项目地址：https://github.com/WongKinYiu/yolov7如果想设置早停机制，可以参考这个链接：yolov7自动停止（设置patience）且输出最优模型时的PR图（testbest.py）学习train.py中的参数含义，可参考手把手调参最新YOLOv7模型训练部分-最新版本（二）学习detect.py中的参数含义，

最近开始学习YOLOv5，踩了不少坑，总结一下问题。配置环境按照这篇教程来的：Yolov5的配置+训练（超级详细！！！）_小学生玩编程的博客-CSDN博客训练数据集跟着炮哥的这篇：目标检测---教你利用yolov5训练自己的目标检测模型_yolov5如何训练自己的模型_炮哥带你学的博客-CSDN博客问题描述：环境配置完，在跟这炮哥教程训练数据集的时候，Pycharm终端运行以下命令pipinstall-rrequirements.txt此时出现了pycocotools，opencv-python和thop这三个库的安装问题，出现提示：不满足软件包要求'Opencv-python>=4.12,t

Yolov8下载地址：GitHub-ultralytics/ultralytics:YOLOv8🚀inPyTorch>ONNX>CoreML>TFLitexx下载完成后按照YOLOv8教程系列：一、使用自定义数据集训练YOLOv8模型（详细版教程，你只看一篇-＞调参攻略），包含环境搭建/数据准备/模型训练/预测/验证/导出等_Zhijun.li@Studio的博客-CSDN博客所写的进行目标检测的自己数据集的训练即可。但是网上对于yolov8进行自己数据集的分割训练的教程较少 ，不会的可以看本文。首先就是数据集的格式：（我自己使用的是这样，可以训练，参照coco数据集）其次，就是配置文件，在下

Yolov8下载地址：GitHub-ultralytics/ultralytics:YOLOv8🚀inPyTorch>ONNX>CoreML>TFLitexx下载完成后按照YOLOv8教程系列：一、使用自定义数据集训练YOLOv8模型（详细版教程，你只看一篇-＞调参攻略），包含环境搭建/数据准备/模型训练/预测/验证/导出等_Zhijun.li@Studio的博客-CSDN博客所写的进行目标检测的自己数据集的训练即可。但是网上对于yolov8进行自己数据集的分割训练的教程较少 ，不会的可以看本文。首先就是数据集的格式：（我自己使用的是这样，可以训练，参照coco数据集）其次，就是配置文件，在下

YOLOv5-7.0版本+PyQt5介绍本项目是基于ultralytics的yolov5-7.0版本配合PyQt5的可视化检测模型。使用说明单图片检测：一次只能检测一张图片。多图片检测：一次可以选择多张图片进行检测。文件夹图片检测：检测文件夹下的所有图片。摄像头检测：打开摄像头，基于摄像头拍摄的画面进行实时检测。视频检测：对选择的视频进行检测。所有检测结果均会自动保存到输出文件夹。代码相关代码和资源全部放在YOLOv5-7.0+PyQt5上。参考：http://t.csdn.cn/0CdXj

文章目录前言一、导入相关库二、加载Cora数据集三、定义GraphSAGE网络四、定义模型五、模型训练六、模型验证七、结果完整代码前言大家好，我是阿光。本专栏整理了《图神经网络代码实战》，内包含了不同图神经网络的相关代码实现（PyG以及自实现），理论与实践相结合，如GCN、GAT、GraphSAGE等经典图网络，每一个代码实例都附带有完整的代码。正在更新中~✨🚨我的项目环境：平台：Windows10语言环境：python3.7编译器：PyCharmPyTorch版本：1.11.0PyG版本：2.1.0💥项目专栏：【图神经网络代码实战目录】本文我们将使用Pytorch+PytorchGeomet

文章目录前言一、导入相关库二、加载Cora数据集三、定义GraphSAGE网络四、定义模型五、模型训练六、模型验证七、结果完整代码前言大家好，我是阿光。本专栏整理了《图神经网络代码实战》，内包含了不同图神经网络的相关代码实现（PyG以及自实现），理论与实践相结合，如GCN、GAT、GraphSAGE等经典图网络，每一个代码实例都附带有完整的代码。正在更新中~✨🚨我的项目环境：平台：Windows10语言环境：python3.7编译器：PyCharmPyTorch版本：1.11.0PyG版本：2.1.0💥项目专栏：【图神经网络代码实战目录】本文我们将使用Pytorch+PytorchGeomet