🥑WelcometoAedream同学'sblog!🥑文章目录模型性能指标常见指标ROC/AUCROC&PRC多分类问题——混淆矩阵计算结果分析——以YOLOv5为例1.confusion_matrix.png(混淆矩阵)2.F1_curve：3.labels.jpg4.labels_corrrelogram.jpg5.P_curve.png6.PR_curve.png7.R_curve.png8.results.png8：results.txt轻量化主要关注1、Parameters参数量2、FLOPs浮点运算次数3、Latency延迟4、FPS每秒传输帧数指标间的关系网络的运算速度与什么有关

PyTorch深度学习实战（2）——PyTorch基础0.前言1.搭建PyTorch环境2.PyTorch张量2.1张量初始化2.2张量运算2.3张量对象的自动梯度计算3.PyTorch张量相对于NumPy数组的优势小结系列链接0.前言PyTorch是广泛应用于机器学习领域中的强大开源框架，因其易用性和高效性备受青睐。在本节中，将介绍使用PyTorch构建神经网络的基础知识。首先了解PyTorch的核心数据类型——张量对象。然后，我们将深入研究用于张量对象的各种操作。PyTorch提供了许多帮助构建神经网络的高级方法及组件，并提供了利用GPU更快地训练神经网络的张量对象。1.搭建PyTorch

想象一下，我们需要用python编程语言构建某个对象的三维模型，然后将其可视化，或者准备一个文件以便在3D打印机上打印。有几个库可以解决这些问题。让我们看一下如何在python中从点、边和图元构建3D模型。如何执行基本3D建模技术：移动、旋转、合并、减去等。在线工具推荐：Three.jsAI纹理开发包-YOLO合成数据生成器-GLTF/GLB在线编辑-3D模型格式在线转换-3D场景编辑器我们将使用以下Python库完成上述任务：numpy-stlpymeshpytorch3dSolidPython使用每个库，我们构建门格尔海绵分形，将模型保存到stl文件，然后渲染图像。在此过程中，我们简要了解

实时目标检测：使用OpenCV和YOLOv3在这篇博客文章中，我们将探讨如何使用OpenCV和YOLOv3进行实时目标检测。我们将从头到尾演示整个过程，包括加载模型、处理图像和识别对象。需要的库和工具首先，我们需要导入以下库：OpenCV:用于图像处理和计算机视觉的开源库。NumPy:用于科学计算的库。pythonCopycodeimportcv2ascvimportnumpyasnp设置摄像头和模型参数我们首先设置摄像头并定义一些参数，如输入图像的宽高、置信度阈值和非极大值抑制阈值。pythonCopycodecap=cv.VideoCapture(0)#打开摄像头whT=320#定义输入图

写在前面：从0基础开始断断续续装了快4天，到处找解决方法，中间经历10多次的remake，最后应该算是装好了，特此记录一下，顺便防止我以后再配环境的时候忘了操作。。1、安装cuda和cudnn首先查看cudadriverversion命令行（win+R并输入cmd）输入nvidia-smi右边可以看硬件上的cudadriver版本其中cudadriver版本≥cudaruntime版本（即Pytorch可以选择的cuda版本），我最开始的版本是10.2，发现Pytorch中现在没有10.2的cuda了（主要是以前的没看到），然后选择升级cudadriverversion到11.6，想想还是升最

1.利用opencv调用相机，并测试相机是否打开参考：https://blog.csdn.net/qq_39570716/article/details/117073640?spm=1001.2014.3001.5501若调用相机出现黑屏，则说明程序中的宽高与MVS中的宽高不一致，此时只需打开MVS查看相机的宽高，然后将程序中的宽高修改即可。2.在yolov5的detect.py文件中调用相机通过设备管理器-照相机可以查看电脑有几个摄像头，通常网口相机不显示，且调用相机从序号0开始，因此有几个相机就填写几即可。 3.如果调用相机发现窗口黑屏此时的问题还是程序中的宽高与MVS中的宽高不一致。但是

第一步：为PyTorch单独创建conda环境需要先创建一个单独的conda环境，用于匹配对应的PyTorch版本。这一步不是必须的，但可以很方便的为PyTorch创建一个干净且独立的Python环境。这里使用比较稳定的3.6版本的Python解释器，创建代码如下：condacreate-npytorchpython=3.6运行结果如下，看到这样的界面表示Pytorch环境创建成功：第二步：进入Pytorch官网，找到linux下的安装代码：Pytorch官网：PyTorch因为我的电脑没有CUDA，这里是只能安装CPU版本的。复制以下命令，以作备用：condainstallpytorchto

目录前言国内外目标检测算法研究现状 传统目标检测算法的发展现状 

 💡💡💡本文独家改进：分层特征融合策略MSBlock，不同Kernel-Size卷积在不同尺度提升特征提取能力，最终引入到YOLOv8，做到二次创新1）MSBlock使用；2）和C2f结合使用推荐指数：5颗星MSBlock | 亲测在多个数据集能够实现大幅涨点，小目标检测效果也不错💡💡💡Yolov8魔术师，独家首发创新（原创），适用于Yolov5、Yolov7、Yolov8等各个Yolo系列，专栏文章提供每一步步骤和源码，轻松带你上手魔改网络💡💡💡重点：通过本专栏的阅读，后续你也可以自己魔改网络，在网络不同位置（Backbone、head、detect、loss等）进行魔改，实现创新！！！专栏

整体流程：   1.首先现在rtsp-server服务器(如果采用的是虚拟机或者是服务器，可以下载对应的linux服务器),我下载的是图片上的两个版本。下载完毕后直接打开文件夹下的mediamtx.exe       Releases·bluenviron/mediamtx(github.com)        2.在代码中执行main.py函数rtmp_server='rtmp://你的主机ip:1935/video'if__name__=='__main__':parser=argparse.ArgumentParser()parser.add_argument('--imgpath',t