1、显卡驱动的安装最近，在学习pytorch深度学习，遇到很多的坑，环境配置也出现过问题，忍不住和大家进行分享，现在把环境搭建过程分享给大家。1.1、查看自己的显卡。具体操作：我的电脑-——属性——设备管理器——显示适配器1.2、驱动的下载、安装。在找到自己的显卡后，去NVIDIA官网下载安装驱动 选择自己的显卡类型，如果你是GTX显卡，有可能只能选择GameReady，区别很小，能用就行1.3、显卡驱动安装检测win+R输入cmd 打开窗口后输入：nvidia-smi 如果成功显示显卡数据，恭喜。右上角的11.6，说明我的显卡驱动最高支持11.6的cuda。但我肯定不能安装11.6，因为py

在FireFlyRK3588开发板上烧录了Ubuntu20.04系统，在此基础上线部署下简单的Python版本yolov5代码，目前博主已全部转为C++版本了，并且转化了pt模型为rknn模型，调用npu进行推理，置信度和速度都比原先Python代码好很多。本篇主要介绍如何部署和运行yolov5官方的目标检测代码。🍉1、安装anacondaAnaconda是流行的Python/R数据科学和机器学习平台，用于大规模数据处理，预测分析和科学计算。Anaconda附带了250个开源数据包，并且可以从Anaconda存储库中安装超过7500个其他包。它还包括conda命令行工具和称为AnacondaN

在FireFlyRK3588开发板上烧录了Ubuntu20.04系统，在此基础上线部署下简单的Python版本yolov5代码，目前博主已全部转为C++版本了，并且转化了pt模型为rknn模型，调用npu进行推理，置信度和速度都比原先Python代码好很多。本篇主要介绍如何部署和运行yolov5官方的目标检测代码。🍉1、安装anacondaAnaconda是流行的Python/R数据科学和机器学习平台，用于大规模数据处理，预测分析和科学计算。Anaconda附带了250个开源数据包，并且可以从Anaconda存储库中安装超过7500个其他包。它还包括conda命令行工具和称为AnacondaN

大家好，今天和各位分享一下SAC(SoftActorCritic)算法，一种基于最大熵的无模型的深度强化学习算法。基于OpenAI的gym环境完成一个小案例，完整代码可以从我的GitHub中获得：https://github.com/LiSir-HIT/Reinforcement-Learning/tree/main/Model1.基本原理Deepmind提出的SAC(SoftActorCritic)算法是一种基于最大熵的无模型的深度强化学习算法，适合于真实世界的机器人学习技能。SAC算法的效率非常高，它解决了离散动作空间和连续性动作空间的强化学习问题。SAC算法在以最大化未来累积奖励的基础上

大家好，今天和各位分享一下SAC(SoftActorCritic)算法，一种基于最大熵的无模型的深度强化学习算法。基于OpenAI的gym环境完成一个小案例，完整代码可以从我的GitHub中获得：https://github.com/LiSir-HIT/Reinforcement-Learning/tree/main/Model1.基本原理Deepmind提出的SAC(SoftActorCritic)算法是一种基于最大熵的无模型的深度强化学习算法，适合于真实世界的机器人学习技能。SAC算法的效率非常高，它解决了离散动作空间和连续性动作空间的强化学习问题。SAC算法在以最大化未来累积奖励的基础上

目录一.前言二.yolov7环境搭建直接进入正题，环境搭建开始：Anaconda:Pycharm:cuda：cuda安装：cudnn：三.虚拟环境安装创建虚拟python环境：Pytorch: 四.总结一.前言  由于最近博主在参加一个无人机的比赛，需要对障碍物进行识别。所以根据调查考究，决定使用YOLO算法对障碍物进行目标检测，yolo算法的系列非常之多，那么最新的就是前段时间AB大神团队（yolov4的作者）出的yolov7。那么作为零基础深度学习的我，在这半个月探索的过程中可谓是经历了风风雨雨百般挫折，好在最终修成正果。可以说使用yolo进行目标检测的门槛挺高的，如果像博主我这种一开始完

目录一.前言二.yolov7环境搭建直接进入正题，环境搭建开始：Anaconda:Pycharm:cuda：cuda安装：cudnn：三.虚拟环境安装创建虚拟python环境：Pytorch: 四.总结一.前言  由于最近博主在参加一个无人机的比赛，需要对障碍物进行识别。所以根据调查考究，决定使用YOLO算法对障碍物进行目标检测，yolo算法的系列非常之多，那么最新的就是前段时间AB大神团队（yolov4的作者）出的yolov7。那么作为零基础深度学习的我，在这半个月探索的过程中可谓是经历了风风雨雨百般挫折，好在最终修成正果。可以说使用yolo进行目标检测的门槛挺高的，如果像博主我这种一开始完

    前段时间写了一篇damoYolo的训练教程，同时也对自己的数据集进行了训练，虽然效果确实不是很好，但是damoyolo的一些思想和网络结构啥的还是可以借鉴使用的，此次将damoyolo的RepGFPN结构掏出来放到v5的NECK中，测试一下对本人的数据集(小目标)效果比v5要好，大概提升2个点左右。    放一下damoyolo的github网址：https://github.com/tinyvision/DAMO-YOLOdamoyolo的整体结构我们是无法看到的因为他的主干网络是nas_backbones里面是txt文件，RepGFPN是可以看到的。importtorchimpor

    前段时间写了一篇damoYolo的训练教程，同时也对自己的数据集进行了训练，虽然效果确实不是很好，但是damoyolo的一些思想和网络结构啥的还是可以借鉴使用的，此次将damoyolo的RepGFPN结构掏出来放到v5的NECK中，测试一下对本人的数据集(小目标)效果比v5要好，大概提升2个点左右。    放一下damoyolo的github网址：https://github.com/tinyvision/DAMO-YOLOdamoyolo的整体结构我们是无法看到的因为他的主干网络是nas_backbones里面是txt文件，RepGFPN是可以看到的。importtorchimpor

YoloV8详细训练教程.相信各位都知道yolov8发布了，也是U神大作，而且V8还会出论文喔！2023.1.17更新yolov8-grad-cam热力图可视化链接2023.1.20更新YOLOV8改进-添加EIoU,SIoU,AlphaIoU,FocalEIoU链接2023.1.30更新如果你需要修改或者改进yolov8的代码务必请看这个视频链接因为修改代码需要用另外一种方式去使用yolov8，不可以把yolov8的代码装到python环境里面。并支持同时使用yaml初始化模型并载入预训练权重！2023.1.30更新B站教学视频链接YOLOV8改进-添加注意力机制附带几十种注意力机制代码.2