文章目录1生成对抗网络基本概念2生成对抗网络建模2.1建立MnistDataset类2.2建立鉴别器2.3测试鉴别器2.4Mnist生成器制作3模型的训练4模型表现的判断前面的博客讲了如何基于PyTorch使用神经网络识别手写数字使用PyTorch构建神经网络下面在此基础上构建一个生成对抗网络，生成对抗网络可以模拟出新的手写数字数据集。1生成对抗网络基本概念生成对抗网络（GAN）是一种用于生成新的照片，文本或音频的模型。它由两部分组成：生成器和判别器。生成器的作用是生成新的样本，而判别器的作用是识别这些样本是真实的还是假的。两个模型相互博弈，通过不断调整自己的参数来提高自己的能力。生成器希望判

博主已有：Pycharm+Anaconda通过这篇博客你将获得：Cuda10.2+cuDNN11.x+Pytorch1.8.0(GPU)importtorchprint(torch.cuda.is_available())print(torch.__version__)print(torch.version.cuda)True1.8.010.2目录1.确定自己电脑有无显卡2.确定显卡支持的cuda最高版本​3.下载安装cuda4.安装cuDNN 5.安装Pytorch(重要！易踩坑！）6.pycharm切换不了环境问题7.总结  今天是三月1日，开学的第一周，这个学期准备进军深度学习，主打的框

博主已有：Pycharm+Anaconda通过这篇博客你将获得：Cuda10.2+cuDNN11.x+Pytorch1.8.0(GPU)importtorchprint(torch.cuda.is_available())print(torch.__version__)print(torch.version.cuda)True1.8.010.2目录1.确定自己电脑有无显卡2.确定显卡支持的cuda最高版本​3.下载安装cuda4.安装cuDNN 5.安装Pytorch(重要！易踩坑！）6.pycharm切换不了环境问题7.总结  今天是三月1日，开学的第一周，这个学期准备进军深度学习，主打的框

目录一、背景二、模型调优2.1 基准选取2.1.1 官方精度数据2.1.2fp32bmodel的精度2.1.3int8bmodel精度数据2.2 多图量化2.3 预处理对齐&lmdb2.4  网络图优化2.4.1per_channel优化2.4.2accuracy_opt优化2.4.3conv_group优化2.4.4 总结2.5 混合精度2.6 阈值优化2.6.1PERCENT99992.6.2SYMKL2.6.3JSD2.6.4ADMM2.6.5ACIQ2.6.6MAX2.6.7 总结三、总结四、相关链接一、背景BM1684X平台，移植YOLOv5s时，int8量化效果很差，单图测试如下：

目录一、背景二、模型调优2.1 基准选取2.1.1 官方精度数据2.1.2fp32bmodel的精度2.1.3int8bmodel精度数据2.2 多图量化2.3 预处理对齐&lmdb2.4  网络图优化2.4.1per_channel优化2.4.2accuracy_opt优化2.4.3conv_group优化2.4.4 总结2.5 混合精度2.6 阈值优化2.6.1PERCENT99992.6.2SYMKL2.6.3JSD2.6.4ADMM2.6.5ACIQ2.6.6MAX2.6.7 总结三、总结四、相关链接一、背景BM1684X平台，移植YOLOv5s时，int8量化效果很差，单图测试如下：

注意力机制1SENet2ECANet3CBAM3.1通道注意力3.2空间注意力3.3CBAM4展示网络层具体信息5SKNet6scSE7Non-LocalNet8GCNet9注意力机制后期学习到再持续更新！！2023年，3月2号，新增SKNet代码2023.3.10新增scSE代码2023.3.11新增Non-LocalNet非局部神经网络2023.3.13新增GCNet1SENetSE注意力机制（Squeeze-and-ExcitationNetworks）:是一种通道类型的注意力机制，就是在通道维度上增加注意力机制，主要内容是是squeeze和excitation.就是使用另外一个新的神经

注意力机制1SENet2ECANet3CBAM3.1通道注意力3.2空间注意力3.3CBAM4展示网络层具体信息5SKNet6scSE7Non-LocalNet8GCNet9注意力机制后期学习到再持续更新！！2023年，3月2号，新增SKNet代码2023.3.10新增scSE代码2023.3.11新增Non-LocalNet非局部神经网络2023.3.13新增GCNet1SENetSE注意力机制（Squeeze-and-ExcitationNetworks）:是一种通道类型的注意力机制，就是在通道维度上增加注意力机制，主要内容是是squeeze和excitation.就是使用另外一个新的神经

介绍2022年7月，YOLOv7来临，论文链接：https://arxiv.org/abs/2207.02696代码链接：GitHub-WongKinYiu/yolov7:Implementationofpaper-YOLOv7:Trainablebag-of-freebiessetsnewstate-of-the-artforreal-timeobjectdetectors废话不多说，赶紧上车！文件配置1、数据集自己创建一个myself.yaml文件用来配置路径，路径格式与之前的V5、V6不同，只需要配置txt路径就可以 train-list.txt和val-list.txt文件里存放的都是

介绍2022年7月，YOLOv7来临，论文链接：https://arxiv.org/abs/2207.02696代码链接：GitHub-WongKinYiu/yolov7:Implementationofpaper-YOLOv7:Trainablebag-of-freebiessetsnewstate-of-the-artforreal-timeobjectdetectors废话不多说，赶紧上车！文件配置1、数据集自己创建一个myself.yaml文件用来配置路径，路径格式与之前的V5、V6不同，只需要配置txt路径就可以 train-list.txt和val-list.txt文件里存放的都是

pycharm配置pytorch1.先安装AnacondaAnaconda3-5.2.0-Windows-x86_64.exe2.下载cuda检查电脑是否有合适的GPU在桌面上右击如果能找到NVIDA控制面板，则说明该电脑有GPU。控制面板如下，并通过查看系统信息获取支持的Cuda版本点击帮助->点击系统信息弹出下面的对话框，在驱动程序版本那一栏就能看到该计算机使用的驱动版本。下载Cuda官网：https://developer.nvidia.com/cuda-10.1-download-archive-update2然后，根据实际情况选择合适的版本3.下载CuDNN官网https://dev