最近几天我一直常用的Kubuntu（KDEyes！）更新至22.04后居然出现无法更改软件源的bug，去Kubuntu论坛一看有同样问题的人还不在少数，但却没有好的解决办法，故而只有备份数据装回Ubuntu。由于学习需要，我需要再装一遍Pytorch。Pytorch在linux上安装推荐使用conda，使用conda安装会打包cudatoolkit等一系列必要的软件包，不过有一点值得注意，一定要换源，清华上交的都可以，而且要删除config文件里的--default，不然还是会使用默认源，我个人的计算机会在进度50多的时候显示网络问题终止安装。不过安装完成后仍有问题，第一是：nvcc-V显示没

文章首发于我的github仓库-cv算法工程师成长之路，欢迎关注我的公众号-嵌入式视觉。torch.TensorTensor数据类型Tensor的属性view和reshape的区别Tensor与ndarray创建Tensor传入维度的方法参考资料torch.Tensortorch.Tensor是一种包含单一数据类型元素的多维矩阵，类似于numpy的array。可以使用使用torch.tensor()方法将python的list或序列数据转换成Tensor数据，生成的是dtype默认是torch.FloatTensor。注意torch.tensor()总是拷贝data。如果你有一个tensord

文章首发于我的github仓库-cv算法工程师成长之路，欢迎关注我的公众号-嵌入式视觉。torch.TensorTensor数据类型Tensor的属性view和reshape的区别Tensor与ndarray创建Tensor传入维度的方法参考资料torch.Tensortorch.Tensor是一种包含单一数据类型元素的多维矩阵，类似于numpy的array。可以使用使用torch.tensor()方法将python的list或序列数据转换成Tensor数据，生成的是dtype默认是torch.FloatTensor。注意torch.tensor()总是拷贝data。如果你有一个tensord

文章首发于我的github仓库-cv算法工程师成长之路，欢迎关注我的公众号-嵌入式视觉。一，张量的基本操作二，维度变换2.1，squeezevsunsqueeze维度增减2.2，transposevspermute维度交换三，索引切片3.1，规则索引切片方式3.2，gather和torch.index_select算子四，合并分割4.1，torch.cat和torch.stack4.2，torch.split和torch.chunk五，卷积相关算子5.1，上采样方法总结5.2，F.interpolate采样函数5.3，nn.ConvTranspose2d反卷积参考资料授人以鱼不如授人以渔，原汁

文章首发于我的github仓库-cv算法工程师成长之路，欢迎关注我的公众号-嵌入式视觉。一，张量的基本操作二，维度变换2.1，squeezevsunsqueeze维度增减2.2，transposevspermute维度交换三，索引切片3.1，规则索引切片方式3.2，gather和torch.index_select算子四，合并分割4.1，torch.cat和torch.stack4.2，torch.split和torch.chunk五，卷积相关算子5.1，上采样方法总结5.2，F.interpolate采样函数5.3，nn.ConvTranspose2d反卷积参考资料授人以鱼不如授人以渔，原汁

首先说明本文并不是安装教程，网上有很多，这里只是自己遇到的一些问题我是以前安装的tensorflow-gpu的，但是发现现在的学术论文大部分都是用pytorch复现的，因此才去安装的pytorch-gpu查看自己安装的CUDAnvcc-V这里我提供一个安装tensorflow时所用的CUDA对应表 安装cuDNN时版本一定要对应正确  安装完CUDA时要改一下环境变量  只用添加这个就好，其他三个CUDA会自动为你添加 我的是cuda-11.2但是官网没有配套的，直接就挑自己喜欢的下就行StartLocally|PyTorch  这里强调：千万不要相信在其他网站上的下载命令。有可能你下载的就是

首先说明本文并不是安装教程，网上有很多，这里只是自己遇到的一些问题我是以前安装的tensorflow-gpu的，但是发现现在的学术论文大部分都是用pytorch复现的，因此才去安装的pytorch-gpu查看自己安装的CUDAnvcc-V这里我提供一个安装tensorflow时所用的CUDA对应表 安装cuDNN时版本一定要对应正确  安装完CUDA时要改一下环境变量  只用添加这个就好，其他三个CUDA会自动为你添加 我的是cuda-11.2但是官网没有配套的，直接就挑自己喜欢的下就行StartLocally|PyTorch  这里强调：千万不要相信在其他网站上的下载命令。有可能你下载的就是

从2015年的YOLOV1，2016年YOLOV2，2018年的YOLOV3，到2020年的YOLOV4、YOLOV5，以及最近出现的YOLOV6和YOLOV7可以说YOLO系列见证了深度学习时代目标检测的演化。对于YOLO的基础知识以及YOLOV1到YOLOV5可以去看大白的YOLO系列，本文主要对YOLOV7的网络结构进行一个梳理，便于大家直观的感受。1.YOLOV7整体结构我们先整体来看下YOLOV7，首先对输入的图片resize为640x640大小，输入到backbone网络中，然后经head层网络输出三层不同size大小的**featuremap**，经过Rep和conv输出预测结果

从2015年的YOLOV1，2016年YOLOV2，2018年的YOLOV3，到2020年的YOLOV4、YOLOV5，以及最近出现的YOLOV6和YOLOV7可以说YOLO系列见证了深度学习时代目标检测的演化。对于YOLO的基础知识以及YOLOV1到YOLOV5可以去看大白的YOLO系列，本文主要对YOLOV7的网络结构进行一个梳理，便于大家直观的感受。1.YOLOV7整体结构我们先整体来看下YOLOV7，首先对输入的图片resize为640x640大小，输入到backbone网络中，然后经head层网络输出三层不同size大小的**featuremap**，经过Rep和conv输出预测结果

Yolov5_v6.2训练数据集进行预测学习笔记记录一下第一次进行Yolov5的部署，调试，训练，预测。第一次发布在了CSDN：链接：https://blog.csdn.net/C_1Y1_T/article/details/127691617现在在博客园也发布一下1.Yolov5环境部署我使用的环境是：Yolov5_v6.2+Minconda+torch_v1.13.0(CPU版本)1.1.Minconda安装这里不是重点，可以查询专门的安装配置教程。使用Anaconda是一样的。在安装后，建议设置国内镜像源，否则后面下载会很慢。1.2.Pytorch安装在Yolov5的requiremen