ali1174的专栏

YOLOv5是目标检测算法，本次课题尝试将其网络结构用在目标识别上，或进行改进形成一个全新的算法。下图为YOLOv5_6.0版本的算法框架图。

●🍨 本文为中的学习记录博客●🍦 参考文章：Pytorch实战 | 第P8天：YOLOv5-C3模块实现(训练营内部成员可读)

若运行时出现No module named ‘torchsummary’，说明没有没有安装torchsummary，直接pip install torchsummary即可。由于原本训练时，其测试集的正确率已达到100%，因此优化将集中在轻量化网络方向。将卷积块3、4、5中的三层卷积层改为两次卷积层，并去除相应的ReLU层，如下所示。之前使用集成显卡的电脑，训练速度很慢，更换带2080显卡的PC，因此这里可设置device为GPU。在epoch10时，其测试集准确率同意达到了100%。

K同学啊。

相比上一个课题项目（pytorch(三）：天气识别_放鹿的散妃的博客-CSDN博客），本次课题在网络结构上没有任何变化，但是增加指定图片预测与保存并加载模型这两个模块。

本节与前面两个课题相比，差别不大，除了数据集不同，另外网络稍微有一点差异外，基本没有太大变化。

本节与上一个minist手写数字识别项目相比，差别不大，除了数据集和网络稍微复杂一点（增加了一组Conv2d+MaxPool2d+Dropout）外，基本没有太大变化。

Pytorch的入门训练--CNN手写mnist识别