前言：最近在学习一些rk3588相关的东西，趁着这个项目，把学习的相关东西整合下，放到一个项目里面，巩固学习的知识。项目名称：yolov5识别图像、ffmpeg发送到rtmp服务器功能：1、opencv读取usb摄像头，使用RK3588自带的NPU推理yolov5s算法，识别图像      2、使用ffmpeg，将处理的图像进行压缩成h264格式，发送到rtmp服务器上。 2023.3.4补充：    这两天搞了一下OpenCL相关的，顺带在rk3588上运行了一下。对项目的图像转化部分做了一个调整。以前用的是OpenCV提供API，将BGR转化为RBG格式，现在用OpenCL调用GPU转化。

本文参加新星计划人工智能(Pytorch)赛道：https://bbs.csdn.net/topics/613989052这是目录使用torchvision库的datasets类加载常用的数据集或自定义数据集使用torchvision库进行数据增强和变换，自定义自己的图像分类数据集并使用torchvision库加载它们使用torchvision库的models类加载预训练模型或自定义模型forward方法进行模型训练和测试，使用matplotlib.pyplot库可视化结果使用torchvision库的datasets类加载常用的数据集或自定义数据集图像识别是计算机视觉中的一个基础任务，它的目

本文参加新星计划人工智能(Pytorch)赛道：https://bbs.csdn.net/topics/613989052这是目录使用torchvision库的datasets类加载常用的数据集或自定义数据集使用torchvision库进行数据增强和变换，自定义自己的图像分类数据集并使用torchvision库加载它们使用torchvision库的models类加载预训练模型或自定义模型forward方法进行模型训练和测试，使用matplotlib.pyplot库可视化结果使用torchvision库的datasets类加载常用的数据集或自定义数据集图像识别是计算机视觉中的一个基础任务，它的目

【YOLOv8训练】使用自定义数据集训练YOLOv8模型（详细版教程，调参必看），包含环境搭建/数据准备/模型训练/预测/验证/导出等0.引言1.环境准备2.数据准备（1）指定格式存放数据集（2）按比例划分数据集（3）将xml文件转换成YOLO系列标准读取的txt文件（4）查看自定义数据集标签类别及数量（5）修改数据加载配置文件3.模型训练/验证/预测/导出（1）模型训练单卡训练多卡训练（2）模型验证（3）模型预测（4）模型导出0.引言YOLOv8随着2023一块来了~刚开赶紧打开仓库尝尝鲜，本次升级主要更新了如下部分：更友好的安装/运行方式速度更快、准确率更高新的backbone，将YOLO

【YOLOv8训练】使用自定义数据集训练YOLOv8模型（详细版教程，调参必看），包含环境搭建/数据准备/模型训练/预测/验证/导出等0.引言1.环境准备2.数据准备（1）指定格式存放数据集（2）按比例划分数据集（3）将xml文件转换成YOLO系列标准读取的txt文件（4）查看自定义数据集标签类别及数量（5）修改数据加载配置文件3.模型训练/验证/预测/导出（1）模型训练单卡训练多卡训练（2）模型验证（3）模型预测（4）模型导出0.引言YOLOv8随着2023一块来了~刚开赶紧打开仓库尝尝鲜，本次升级主要更新了如下部分：更友好的安装/运行方式速度更快、准确率更高新的backbone，将YOLO

YOLOv56.0/6.1结合ASFF前言YOLO小白纯干货分享！！！一、主要修改代码二、使用步骤1.models/common.py：加入要修改的代码,类ASFFV5classASFFV5(nn.Module):classASFFV5(nn.Module): def__init__(self,level,multiplier=1,rfb=False,vis=False,act_cfg=True):"""ASFFversionforYoloV5only.SinceYoloV5outputs3layeroffeaturemapswithdifferentchannelswhichisdiffer

YOLOv56.0/6.1结合ASFF前言YOLO小白纯干货分享！！！一、主要修改代码二、使用步骤1.models/common.py：加入要修改的代码,类ASFFV5classASFFV5(nn.Module):classASFFV5(nn.Module): def__init__(self,level,multiplier=1,rfb=False,vis=False,act_cfg=True):"""ASFFversionforYoloV5only.SinceYoloV5outputs3layeroffeaturemapswithdifferentchannelswhichisdiffer

文章目录一、写在前面二、使用labelimg标记图片1.准备工作2.标记图片三、划分数据集以及配置文件修改1.划分训练集、验证集、测试集2.XML格式转yolo_txt格式3.配置文件4.聚类获得先验框四、使用CPU训练五、使用GPU训练1.开始训练2.重新下载pytorch六、训练结果可视化一、写在前面 博主也是最近开始玩yolov5的，甚至也是最近开始使用python的，很多东西都没有接触过，因此训练自己的数据集花了不少时间，所以想写篇博客记录一下，希望同样是零基础的小伙伴们可以更加轻松的上手。同时大家如果发现了错误和理解偏差，欢迎指正。参考资料：Yolov5训练自己的数据集（详细完整版）

文章目录一、写在前面二、使用labelimg标记图片1.准备工作2.标记图片三、划分数据集以及配置文件修改1.划分训练集、验证集、测试集2.XML格式转yolo_txt格式3.配置文件4.聚类获得先验框四、使用CPU训练五、使用GPU训练1.开始训练2.重新下载pytorch六、训练结果可视化一、写在前面 博主也是最近开始玩yolov5的，甚至也是最近开始使用python的，很多东西都没有接触过，因此训练自己的数据集花了不少时间，所以想写篇博客记录一下，希望同样是零基础的小伙伴们可以更加轻松的上手。同时大家如果发现了错误和理解偏差，欢迎指正。参考资料：Yolov5训练自己的数据集（详细完整版）

Anaconda和pytorch完全卸载自己用官方的卸载肯定是卸载不干净的，我当时因为缺少包和依赖所以重装一下，记录一下。官方卸载文档：https://docs.anaconda.com/anaconda/install/uninstall/1.卸载过程首先在开始菜单的anaconda目录，找到anaconda命令行工具：在这里插入图片描述单击Anaconda的命令行，会弹出一个黑框框，在这个黑框框里输入命令：condainstallanaconda-clean这个操作会安装一个anaconda的清理包。等待一会安装完成。然后在执行一下上面的命令，确保ok，安装好之后，在同一窗口下输入的bas