使用MobileViT替换YOLOv5主干网络，并训练前述使用MobileViT替换YOLOv5主干网络训练前述读了MobileViT这篇论文之后觉得文章里面提到的技巧很新奇，所以就尝试把它替换到YOLOv5中主干网络上去，看看会不会有那么大的提升，但是结果并不是让我很满意，在实施过程中也确实遇到一些问题，于是就写下来和大家分享一下。相比较于其他的transformer变体，MobileViT这篇文章给出的改动技巧很简单高效，它解决的ViT中因为像素摊平操作导致的位置信息损失问题，将卷积的局部信息提取优势和自注意力机制的全局信息提取能力结合起来，并且根据论文描述具有高度轻量化+极快的推理速度，

目录摘要一、认识MNIST手写数据集二、实战流程1、加载必要的库2、定义超参数3、构建transform，对图像做处理4、下载、处理、加载数据集下载、处理数据集加载数据集5、构建网络模型6、定义优化器7、定义训练方法8、定义测试方法9、调用方法7和810、运行三、完整代码 摘要MNIST手写数据集是跑深度学习模型中很基础的、几乎所有初学者都会用到的数据集，认真领悟手写数据集的识别过程对于深度学习框架有着弥足重要的意义。然而目前各类文章中关于项目完全实战的记录较少，无法满足广大初学者的要求，故本文受B站Tommy启发来手把手从引入库开始进行对整个手写数据集识别的流程，这对于笔者以后的深度学习有着

目录摘要一、认识MNIST手写数据集二、实战流程1、加载必要的库2、定义超参数3、构建transform，对图像做处理4、下载、处理、加载数据集下载、处理数据集加载数据集5、构建网络模型6、定义优化器7、定义训练方法8、定义测试方法9、调用方法7和810、运行三、完整代码 摘要MNIST手写数据集是跑深度学习模型中很基础的、几乎所有初学者都会用到的数据集，认真领悟手写数据集的识别过程对于深度学习框架有着弥足重要的意义。然而目前各类文章中关于项目完全实战的记录较少，无法满足广大初学者的要求，故本文受B站Tommy启发来手把手从引入库开始进行对整个手写数据集识别的流程，这对于笔者以后的深度学习有着

  博主电脑配置是AMDR53600，NvidiaRTX306012G，16G3200MHz内存，训练数据集是自建数据集，大约1200张图片，3个检测目标。  训练YOLOv5-5.0版本的模型参数设置，模型是yolov5s，epoch150（如果想要更好的mAP@0.5:0.95指标可以设置的更大，博主这个收敛的太快了就没设太多），batchsize32或者64，imgsize640,640，其他均为默认。  在最初训练模型的时候训练一次epoch大约需要3分钟，而且不管怎么设置参数，训练时间都不会改变太多，都在3分钟左右，博主期初是因为自己没用GPU跑，但是显存是实实在在的吃满了，但利率用

  博主电脑配置是AMDR53600，NvidiaRTX306012G，16G3200MHz内存，训练数据集是自建数据集，大约1200张图片，3个检测目标。  训练YOLOv5-5.0版本的模型参数设置，模型是yolov5s，epoch150（如果想要更好的mAP@0.5:0.95指标可以设置的更大，博主这个收敛的太快了就没设太多），batchsize32或者64，imgsize640,640，其他均为默认。  在最初训练模型的时候训练一次epoch大约需要3分钟，而且不管怎么设置参数，训练时间都不会改变太多，都在3分钟左右，博主期初是因为自己没用GPU跑，但是显存是实实在在的吃满了，但利率用

1.安装CUDA1.1 检查是否已安装CUDA        快捷键win+r，输入cmd，在命令行中输入nvcc-V可以查看版本信息    若已安装，则显示版本信息，请跳转到第二步1.2若未安装，请于左下角搜索并打开NVIDIA的控制面板        单击系统信息，进入组件页面查看CUDA的版本        如图所示，作者电脑CUDA的版本为11.7，因此选择下载≤11.7版本的CUDA    进入官网CUDAToolkitArchive|NVIDIADeveloperCUDAToolkitArchive|NVIDIADeveloper ，下载对应版本的CUDACUDAToolkitAr

1.安装CUDA1.1 检查是否已安装CUDA        快捷键win+r，输入cmd，在命令行中输入nvcc-V可以查看版本信息    若已安装，则显示版本信息，请跳转到第二步1.2若未安装，请于左下角搜索并打开NVIDIA的控制面板        单击系统信息，进入组件页面查看CUDA的版本        如图所示，作者电脑CUDA的版本为11.7，因此选择下载≤11.7版本的CUDA    进入官网CUDAToolkitArchive|NVIDIADeveloperCUDAToolkitArchive|NVIDIADeveloper ，下载对应版本的CUDACUDAToolkitAr

主要实现的AI算法有：目标检测、目标追踪主要实现AI算法功能：越界识别功能（主要是获取统计人流量）平台：基于Aidlux平台基础库安装：（1）lap安装：先sudoapt-getupdate，再输入sudoapt-getinstall-ycmakebuild-essentialpython3-dev；最后pipinstalllap-ihttps://pypi.tuna.tsinghua.edu.cn/simple。（2）cython_bbox安装：先安装cython：pipinstallcython-ihttps://pypi.tuna.tsinghua.edu.cn/simple再安装cyt

主要实现的AI算法有：目标检测、目标追踪主要实现AI算法功能：越界识别功能（主要是获取统计人流量）平台：基于Aidlux平台基础库安装：（1）lap安装：先sudoapt-getupdate，再输入sudoapt-getinstall-ycmakebuild-essentialpython3-dev；最后pipinstalllap-ihttps://pypi.tuna.tsinghua.edu.cn/simple。（2）cython_bbox安装：先安装cython：pipinstallcython-ihttps://pypi.tuna.tsinghua.edu.cn/simple再安装cyt

YOLOV5模型训练以及deepsort目标追踪的简单上手操作，并总结了常见问题目录文章目录一、YOLOV5模型训练1.下载源码文件2.环境设置3.准备工作4.开始运行 二、YOLOV5-deepsort的目标识别 1.修改配置 三、常见问题与解决 四、如何修改撞线polygon（附加）总结一、YOLOV5模型训练1.下载源码文件Yolov5源码文件是开源的，点开官网https://github.com/ultralytics/yolov5，选择对应的版本，我这里选择5.0版本，为了和后期的deepsort算法版本对应，点击V5.0，跳转页面后然后点击code，再点击DownloadZIP下载