m0_62919535的博客

一个基于pytorch的分类训练模版此项目提供了一个清晰且高效的基于PyTorch的图像分类训练模板，旨在简化二分类和多分类任务的实现过程。无论是初学者还是有一定经验的开发者，都可以通过这个模板快速上手并构建自己的图像分类模型。二分类和多分类：每个样本只能属于一个类别。二分类是特殊的多分类任务，类别数为2。多分类通过softmax来选择一个最可能的类别。多标签：每个样本可以同时属于多个类别，每个标签的预测是独立的，通常需要sigmoid输出每个标签的概率值。

记录一下新系统环境安装的过程，如果前面没有删除干净的，可以查看最下面参考文章中的链接。ubuntu的Nvidia显卡驱动教程，深度学习环境搭建，ubuntu安装Pycharm，这里应当使用你自己的PyCharm路径和图标路径。保存并关闭文件，使用 Ctrl + X 保存。接下来就可以在应用搜索框中找到了： 

本篇展示了如何使用PyQt5和OpenCV实现一个图像浏览与视频播放应用，涵盖了文件路径选择、图像/视频显示、自动播放或切换、暂停与恢复、图像保存等多种功能。本篇的代码具有较高的灵活性，你只需要按照相同的命名方式就能够实现代码的移植。希望通过本篇，为其他大家提供有用的参考和实现思路。另外，需要注意的一点是，在循环播放的时候图像会重复的保存，关于这一部分的相关逻辑，我不想再修改，也不怎么碍事。最后，我这里不提供原来设计ui文件，因为，我写的已经很清楚了，大家能够自己简单的设计，没必要再找我要。

本文介绍了如何从零开始如何搭建深度学习环境的过程。先是介绍了Anaconda的安装，这是一个用于创建Python虚拟环境的工具，使环境管理更加便捷。接下来是PyCharm的安装，这是一个Python集成开发环境，适用于编码和项目管理。同时请关注显卡驱动、Python版本、深度学习框架版本和CuDNN版本之间的兼容性，还介绍了Jupyter Notebook，一种交互式编程环境，用于实验和笔记，并且讨论了在GitHub上创建代码库和协同工作的过程。

回顾过去的一年多，我从一个刚接触Python的小白，逐渐成长为一个能够独立完成一些简单项目的初级程序员。这一路上，除了自己的努力学习和实践外，我还受益于优质的教程和资料。在这个过程中，我深刻地体会到，好的教程不仅可以节省我们很多时间和精力，而且能够为我们提供实用的工具和经验。因此，我也想借此机会分享自己的学习经验和心得，希望能够帮助到那些初学者们。当然，学习永远不是一条单行道，我也相信在不断学习和探索的过程中，我们可以不断地提升自己的能力和水平，成为更好的自己。

今天看了多个大佬的教程，总算是把PyQt5开发弄好了，每个部分都要看几个人的十分不方便，我十分想要总结一下，所以在这里，你无需看其他的教程，从这就能完成它的安装到快速上手。后续的功能添加，我准备放在我的项目设计当中来写，希望这个教程能够给你带来帮助，不劳我辛苦一场（手动滑稽，呵呵）。