Banbakaban的博客

lr0: 0.01 # 初始学习率 (SGD=1E-2, Adam=1E-3)lrf: 0.2 # 最终的 OneCycleLR 学习率 (lr0 * lrf)momentum: 0.937 # SGD 动量/Adam beta1weight_decay: 0.0005 # 优化器权重衰减 5e-4warmup_epochs: 3.0 # 预热回合数（分数正常）warmup_momentum: 0.8 # 预热初始动量warmup_bias_lr: 0.1 # 预热初始偏差 lr

YOLOX 是旷视提出的一个新的高性能检测器，从论文来看，backbone和neck相比前作变化不大，主要更改在于输入端的数据增强加入了mixup，预测层相比前作改为了解耦的方式。本文将针对一个Finger识别项目，介绍ubuntu命令行下，yoloX从环境搭建到模型训练的整个过程。算法原理阅读:GitHUB论文CVer1.环境训练使用的环境如下：Ubuntu 20.04python 3.8.8torch 1.8.2+cu111torchvision 0.9.2+cu111NVIDI

1.环境Ubuntu 20.04显卡驱动 470.74CUDA 11.5查看Ubuntu版本号cat /proc/version查看显卡驱动版本nvidia-smi查看CUDA版本nvcc --version2.代码模型下载下载模型git clone https://github.com/ultralytics/yolov5下载预训练模型建议在模型文件夹下新建一个weights，放置下载的预训练模型权重...

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入YOLO5Code : https://github.com/ultralytics/yolov5YOLO5SCode