一、环境设置本文环境设置：Ubuntu(docker)pytorch-gpu1.远程Ubuntu新建一个新的docker容器以下命令是创建一个名称为torch_yolo的gpu容器。如果没有docker可省略。dockerrun-it-e/home/elena/workspace:/home/elena/workspace--gpusall--ipchost--nethost--nametorch_yolopytorch/pytorch:1.13.1-cuda11.6-cudnn8-devel/bin/bash更新并安装git,wget命令apt-getupdateapt-getinstall
torch.hub.load()函数可以通过两种方式加载模型。pytorch官方文档函数原型：torch.hub.load(repo_or_dir,model,*args,source='github',force_reload=False,verbose=True,skip_validation=False,**kwargs)原函数参数说明：repo_or_dir(string)–如果source是‘github’，这应该对应于repo_owner/repo_name[:tag_name]具有可选标签/分支格式的github存储库，例如‘pytorch/vision:0.10’。如果tag_
torch.hub.load()函数可以通过两种方式加载模型。pytorch官方文档函数原型：torch.hub.load(repo_or_dir,model,*args,source='github',force_reload=False,verbose=True,skip_validation=False,**kwargs)原函数参数说明：repo_or_dir(string)–如果source是‘github’，这应该对应于repo_owner/repo_name[:tag_name]具有可选标签/分支格式的github存储库，例如‘pytorch/vision:0.10’。如果tag_
一、MMAction2——视频理解与行为识别行为识别，时序检测，时空检测三种任务的联系对于视频的理解视频=空间+时间：图像为二维空间，视频是三维，视频相对于图像多出来的维度就是时间维度。视频理解的重点重点1：如何描述视频中的动作?动作=外观+运动。外观是静态的，是图像帧。运动是动态的，也叫帧间运动，就是时序上的变化。思路1：独立提取图像特征，再进行时序建模把静态的外观特征与动态的时序上的变化分成两个层次建模。第一层次：提取每一个图像的外观特征。第二层次：在外观特征所形成的序列基础之上进行一次时序建模。提取动态信息，根据动态信息获取动作特征。思路2：外观特征与运动特征并行计算，最后融合首先根据单
一、MMAction2——视频理解与行为识别行为识别，时序检测，时空检测三种任务的联系对于视频的理解视频=空间+时间：图像为二维空间，视频是三维，视频相对于图像多出来的维度就是时间维度。视频理解的重点重点1：如何描述视频中的动作?动作=外观+运动。外观是静态的，是图像帧。运动是动态的，也叫帧间运动，就是时序上的变化。思路1：独立提取图像特征，再进行时序建模把静态的外观特征与动态的时序上的变化分成两个层次建模。第一层次：提取每一个图像的外观特征。第二层次：在外观特征所形成的序列基础之上进行一次时序建模。提取动态信息，根据动态信息获取动作特征。思路2：外观特征与运动特征并行计算，最后融合首先根据单
Alexnet网络详解代码：手撕Alexnet卷积神经网络-pytorch-详细注释版（可以直接替换自己数据集）-直接放置自己的数据集就能直接跑。跑的代码有问题的可以在评论区指出，看到了会回复。训练代码和预测代码均有。_小馨馨的小翟的博客-CSDN博客_alexnet神经网络代码VGG网络详解代码：
Alexnet网络详解代码：手撕Alexnet卷积神经网络-pytorch-详细注释版（可以直接替换自己数据集）-直接放置自己的数据集就能直接跑。跑的代码有问题的可以在评论区指出，看到了会回复。训练代码和预测代码均有。_小馨馨的小翟的博客-CSDN博客_alexnet神经网络代码VGG网络详解代码：
文章目录一：Anaconda安装二：Cuda、Cudnn安装三：Pytorch安装四：Tensorrt安装一：Anaconda安装Jetson系列边缘开发板，其架构都是arm64，而不是传统PC的amd64，深度学习的环境配置方法大不相同。想要看amd64的相关环境安装，可以参考这篇文章。下面步入正题：对于Anaconda的安装其实和之前差不多，只是寻找aarch64的shell包安装即可，下载地址anaconda清华镜像源，我选择的是Anaconda3-2021.11-Linux-aarch64.sh。进入到下载文件夹，按如下命令依次安装即可：chmod+xAnaconda3-2021.11
文章目录一：Anaconda安装二：Cuda、Cudnn安装三：Pytorch安装四：Tensorrt安装一：Anaconda安装Jetson系列边缘开发板，其架构都是arm64，而不是传统PC的amd64，深度学习的环境配置方法大不相同。想要看amd64的相关环境安装，可以参考这篇文章。下面步入正题：对于Anaconda的安装其实和之前差不多，只是寻找aarch64的shell包安装即可，下载地址anaconda清华镜像源，我选择的是Anaconda3-2021.11-Linux-aarch64.sh。进入到下载文件夹，按如下命令依次安装即可：chmod+xAnaconda3-2021.11
在YoloV7中添加EIoU,SIoU,AlphaIoU,FocalEIoU,Wise-IoU.yolov7中box_iou其默认用的是CIoU，其中代码还带有GIoU，DIoU,AlphaIoU，文件路径：utils/general.py，函数名为：bbox_iou重磅！！！！！YOLO模型改进集合指南-CSDNdefbbox_iou(box1,box2,x1y1x2y2=True,GIoU=False,DIoU=False,CIoU=False,eps=1e-7):#ReturnstheIoUofbox1tobox2.box1is4,box2isnx4box2=box2.T#Getthec
