一、首先安装CUDA  pytorch2.0系列目前只支持CUDA11.7与CUDA11.8，首先通过该网址https://developer.nvidia.com/cuda-toolkit-archive，下载对应的CUDA11.7或者CUDA11.8，然后双击安装，安装时选择自定义选项如果自己的电脑上没有下载VSstudio,在自定义选项里面取消勾选VS选项如果下载的组件版本低于或者等于当前版本，也可以取消勾选。 然后是选择安装位置，这里可以自己自定义安装路径，自己创建一个CUDA11.8的文件夹，然后在文件加下创建CUDA01与CUDA02，然后将CUDA安装到对应的路径。 二、第二步是

一、下载源码和权重文件我们需要首先从GitHub获取到yolov5的源码，直达链接如下：https://github.com/ultralytics/yolov5打开后按照如下步骤下载源码压缩包即可权重文件下载地址：https://download.csdn.net/download/liujiahao123987/87400892二、在手机端下载IP摄像头注：我用的iOS，安卓版本没有"Lite"需要的就是这个局域网，每个人的都不一样三、安装Anaconda，CUDA，CUDNN（安装过的可以跳过）需自行配置环境，本人利用anaconda创建的虚拟环境，步骤如下：首先下载anaconda官网

B站教学视频https://www.bilibili.com/video/BV1Pa4y1N7HSGithub仓库地址https://github.com/Monday-Leo/YOLOv8_TensorrtIntroduction基于Tensorrt加速Yolov8，本项目采用ONNX转Tensorrt方案支持Windows10和Linux支持Python/C++YOLOv8EnvironmentTensorrt8.4.3.Cuda11.6Cudnn8.4.1onnx1.12.0QuickStart安装yolov8仓库，并下载官方模型。pipinstallultralytics==8.0.5

论文地址：https://arxiv.org/abs/2208.03641代码地址：GitHub-LabSAINT/SPD-Conv:CodeforECMLPKDD2022paper.NoMoreStridedConvolutionsorPooling:ANovelCNNArchitectureforLow-ResolutionImagesandSmallObjects.        作者提出一种SPD组件，提升了yolov5各个模型在小目标上的检测能力，先看一下结论：        该组件作者给出了数学上的解释：        其实解释起来很简单，结合下图：        和yolov5最

提供YOLOv5/YOLOv7/YOLOv7-tiny模型YAML文件论文地址：https://arxiv.org/pdf/2103.14030.pdf代码地址：https://github.com/microsoft/Swin-Transformer本文介绍了一种新的视觉Transformer，称为SwinTransformer，它可以作为计算机视觉通用的骨干网络。从语言到视觉的转换中，适应Transformer所面临的挑战源于两个领域之间的差异，如视觉实体尺度的巨大变化和图像中像素的高分辨率与文本中单词的差异。为了解决这些差异，我们提出了一种分层Transformer，其表示是通过Shif

文章介绍>今天来分享一个这两天自己写的一个稍微臃肿一些的Yolov5FPS跟枪的源码解析和原理讲解吧。希望可以对于没有什么头绪的朋友有一些帮助吧，我也是第一次做，各位有什么优化的方式可以留言指出，可以一起交流学习。需要了解的东西和可能会遇到的问题>1.xy坐标点与当前鼠标的xy坐标点距离计算>2.获取窗口句柄，本文使用的是根据窗口名称获取句柄>3.推理方式：本文使用的是GPU(为啥呢？速度快噻，因为我3060显卡噻~)。>4.屏幕宽高获取和敌人坐标获取和计算哪个是最近的敌人并控制鼠标去敌人身上和头上。（为什么说是身体和头部呢，因为还有一个方式，就是只需要敌人身体坐标就可以计算得出敌人头部坐标）

文章目录一、YOLOv5简介二、网络结构1、Input2、Backbone3、Neck4、Head三、改进方法1、自适应锚框计算2、自适应灰度填充四、性能表现五、YOLOv5入门实战一、YOLOv5简介YOLOv5是一个在COCO数据集上预训练的物体检测架构和模型系列，它代表了Ultralytics对未来视觉AI方法的开源研究，其中包含了经过数千小时的研究和开发而形成的经验教训和最佳实践。YOLOv5是YOLO系列的一个延申，您也可以看作是基于YOLOv3、YOLOv4的改进作品。YOLOv5没有相应的论文说明，但是作者在Github上积极地开放源代码，通过对源码分析，我们也能很快地了解YOL

3050显卡驱动安装+配置pytorch的cuda环境前言一、下载3050驱动二、下载CUDA二、cuDNN下载三、cuDNN配置四、pytorch环境配置①、创建虚拟环境前言因为有一块3050的显卡，更新驱动的时候把之前配好的cuda10.0覆盖了，因此需要重新配置一下环境。记录一下过程，方便后面自己尽快恢复环境。一、下载3050驱动N卡的驱动下载过程都是一样的，先进入官网驱动程序下载选择对应的配置，有的是笔记本的，注意区分一下。配置好了就下载，下载好驱动程序后打开运行，简易安装即可。安装完出现NVIDIA控制面板则代表成功了。二、下载CUDA我之前安装的10.1版本用不了，只能重新安装11

        最近需要对yolov5网络框架进行改进，改进训练的过程当中发现了一个奇怪的问题。        从tensorboard的图像过程中看出，bbox_loss,cls_loss在训练预测之后正常下降，当时obj_loss置信度损失值在上升。这可把我给困住了，各方面都没有问题，困扰好久。       总结分析出三个主要原因：1.模型计算量过大，出现过拟合的现象，需要对网络框架进行削减，降低网络模型复杂度，或者采用更进一步的数据增强方式。2.obj-loss的正负样本划分出现了极不平衡的问题。3.学习率以及optimizer的选择出现问题，需要进行更换。       按照以上分析原因

 拍照的意义在于你按下快门的那一刻，万里山河的一瞬间变成了永恒。 🎯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🏆 📝[5]预期2023年10月份·准CSDN博客专家📝  无限进步，一起追光！&#