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

大家好，我是K同学啊！在前面的文章YOLOv5解析|第二篇：用YOLOv5训练自己的数据集（超级详细完整版）中我们介绍了使用训练自己的数据集。这一篇文章，我将带大家一起解析YOLOv5的6.0版本结构并改进模型，先看看我们模型结构图~由于YOLOv5存在多个版本，所以你在网上可能会看到许多不同版本是网络结构图。（这里放的是最新的YOLOv5的6.0版本结构图）文章目录一、YOLOv5的结构文件二、如何修改网络结构1.修改yolov5s.yaml文件2.修改common.py文件3.修改yolo.py文件一、YOLOv5的结构文件我们如何找到YOLOv5的结构文件？文件定位：…/models/*

大家好，我是K同学啊！在前面的文章YOLOv5解析|第二篇：用YOLOv5训练自己的数据集（超级详细完整版）中我们介绍了使用训练自己的数据集。这一篇文章，我将带大家一起解析YOLOv5的6.0版本结构并改进模型，先看看我们模型结构图~由于YOLOv5存在多个版本，所以你在网上可能会看到许多不同版本是网络结构图。（这里放的是最新的YOLOv5的6.0版本结构图）文章目录一、YOLOv5的结构文件二、如何修改网络结构1.修改yolov5s.yaml文件2.修改common.py文件3.修改yolo.py文件一、YOLOv5的结构文件我们如何找到YOLOv5的结构文件？文件定位：…/models/*

??>>>加勒比海带，QQ2479200884??>>>【YOLO魔法搭配&论文投稿咨询】✨✨>>>学习交流|温澜潮生|合作共赢|共同进步

??>>>加勒比海带，QQ2479200884??>>>【YOLO魔法搭配&论文投稿咨询】✨✨>>>学习交流|温澜潮生|合作共赢|共同进步

本文参加新星计划人工智能(Pytorch)赛道：https://bbs.csdn.net/topics/613989052目录一、Pytorch简介二、实验过程2.1数据集介绍2.2加载数据2.3数据预处理 2.3.1特征转换2.3.2缺失值处理 2.3.3样本不平衡处理2.4特征工程2.4.1划分训练集和测试集2.4.2数据类型转换2.5构建模型2.5.1可视化神经元2.5.2激活函数2.5.3训练神经网络 2.6保存模型2.7模型评估2.8模型预测三、总结一、Pytorch简介PyTorch是一个基于python的科学计算包，主要针对两类人群：作为NumPy的替代品，可以利用GPU的性能进

本文参加新星计划人工智能(Pytorch)赛道：https://bbs.csdn.net/topics/613989052目录一、Pytorch简介二、实验过程2.1数据集介绍2.2加载数据2.3数据预处理 2.3.1特征转换2.3.2缺失值处理 2.3.3样本不平衡处理2.4特征工程2.4.1划分训练集和测试集2.4.2数据类型转换2.5构建模型2.5.1可视化神经元2.5.2激活函数2.5.3训练神经网络 2.6保存模型2.7模型评估2.8模型预测三、总结一、Pytorch简介PyTorch是一个基于python的科学计算包，主要针对两类人群：作为NumPy的替代品，可以利用GPU的性能进

1、主要贡献   主要是现有的一些trick的集合以及模块重参化和动态标签分配策略，最终在5FPS到160FPS范围内的速度和准确度都超过了所有已知的目标检测器。   当前目标检测主要的优化方向：更快更强的网络架构；更有效的特征集成方法；更准确的检测方法；更精确的损失函数；更有效的标签分配方法；更有效的训练方法。2、主要思路   按照论文，目前模型精度和推理性能比较均衡的是yolov7模型(对应的开源git版本为0.1版)。根据源码+导出的onnx文件+“张大刀”等的网络图（修改了其中目前我认为的一些bug，增加一些细节）。重新绘制了yoloV70.1版本的非常详尽网络结构。注意：   1）其

1、主要贡献   主要是现有的一些trick的集合以及模块重参化和动态标签分配策略，最终在5FPS到160FPS范围内的速度和准确度都超过了所有已知的目标检测器。   当前目标检测主要的优化方向：更快更强的网络架构；更有效的特征集成方法；更准确的检测方法；更精确的损失函数；更有效的标签分配方法；更有效的训练方法。2、主要思路   按照论文，目前模型精度和推理性能比较均衡的是yolov7模型(对应的开源git版本为0.1版)。根据源码+导出的onnx文件+“张大刀”等的网络图（修改了其中目前我认为的一些bug，增加一些细节）。重新绘制了yoloV70.1版本的非常详尽网络结构。注意：   1）其

​前言：作为当前先进的深度学习目标检测算法YOLOv5，已经集合了大量的trick，但是还是有提高和改进的空间，针对具体应用场景下的检测难点，可以不同的改进方法。此后的系列文章，将重点对YOLOv5的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效果提供自己的微薄帮助和参考。解决问题：YOLOv5采用CIOU损失函数，优点：CIOU就是在DIOU的基础上增加了检测框尺度的loss，增加了长和宽的loss，这样预测框就会更加的符合真实框。但是缺点是：1.纵横比描述的是相对值，存在一定的模糊2.未考虑难易样本的平衡问题。针对以上问题，采用EIOU的