《转生程序员靠着GPT一飞冲天》之深度学习快速水论文教程---以YOLOV8为例

最新推荐文章于 2025-02-10 16:23:08 发布
最新推荐文章于 2025-02-10 16:23:08 发布
阅读量1.7k 收藏 41
点赞数 23
文章标签： gpt YOLO
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_72488680/article/details/138323114
版权
本文指导如何在毕业之际通过下载VSCode，租用服务器并部署yolov8项目，引入注意力机制如MobileViTv2Attention，一步步修改模型，实现论文的高效水出。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

作为一个马上就要毕业，但还是什么东西都写不出来，什么东西都还不会的菜鸡，决定教大家如何快速水出一篇普刊，帮助各位水硕们“有水平的”毕业，如果是本科的话（92人上人除外），双非小子们，速速狠狠的学习如何水论文吧！！！废话少说，大的要来啦！！！！！！！！！！！！

第一步，下载vscode，租一台服务器，然后进入到服务器界面，具体教程请查看我的上一篇博客

《满怀美梦的小崽子是pycharm主义者》之服务器部署stable diffusion /diffusers教程_stablediffusionpipeline.from_single_file-CSDN博客总之，本篇博客会直接从服务器开始，界面如下：

进入服务器后，我们用到的项目主要有两个，一个是

GitHub - bubbliiiing/yolov8-pytorch: 这是一个yolov8-pytorch的仓库，可以用于训练自己的数据集。

是一个带注释的yolov8的项目，如果你稍微懂一点原理的话，那么看这个项目应该是完全没有问题，如果您什么也不懂的话，那也没关系，看就完了。

不过。。。。。。

另一个项目是

GitHub - xmu-xiaoma666/External-Attention-pytorch: 🍀 Pytorch implementation of various Attention Mechanisms, MLP, Re-parameter, Convolution, which is helpful to further understand papers.⭐⭐⭐

俗话说得好，少壮不努力，毕业注意力，实在写不出论文的话，不如试试加点注意力吧，这个项目里把大部分的注意力模块都整合在一起了，关键是即插即用的，所以，改起来非常的方便，先拖个权重文件进来，试试yolov8的环境怎么样

直接跑一跑predict.py这个文件，试试水

直接报错，爽！！！原来是权重文件位置放错了，没关系，打开yolo.py，第28行，直接把地址文件改成你的权重文件的地址即可

推理成功，ok，直接开始改模型，嘿嘿嘿

在train.py文件里，默认选择的训练数据集时voc2007，所以我们直接使用voc2007数据集即可，但是相信大部分人一看到块小一个g的压缩包就不想搞了，更别说coco20多个g的数据集，但是！！！！！俺们用的可是服务器啊兄弟们，服务器的好处就是，什么都有！！！

直接在autodl-pub路径下找到VOCdevkit文件夹，把VOC2007.tar.gz复制到yolov8路径下

然后输入以下指令

tar -zxvf VOC2007.tar.gz

芜湖！！ÿ

最低0.47元/天 解锁文章
【YOLOv8改进-卷积Conv】 AKConv(可改变核卷积)：任意数量的参数和任意采样形状的即插即用的卷积
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
01-17 9776
【YOLOv8改进-卷积Conv】 AKConv(可改变核卷积)：任意数量的参数和任意采样形状的即插即用的卷积 ，赋予卷积核任意数量的参数和任意采样形状，为网络开销和性能之间的权衡提供更丰富的选择，解决具有固定样本形状和正方形的卷积核不能很好地适应不断变化的目标的问题点
GLM-4本地部署的实战教程
热门推荐
herosunly的博客
06-05 24万+
本文主要介绍了GLM-4-9B本地部署的实战教程，希望对学习和使用大模型的同学们有所帮助。 文章目录 1. 前言 2. 配置环境 2.1 安装虚拟环境 2.2 安装依赖库 2.3 下载模型文件 3. 运行glm-4-9b-chat
【计算机视觉 | YOLOv8】YOLOv8如何引用？
wzk4869的博客
01-31 1万+
【计算机视觉 | YOLOv8】YOLOv8如何引用？
YOLOv8论文原文和阅读笔记
最新发布
qq_62844104的博客
02-10 3967
此外，以开发人员为中心的工具（包括统一的 Python 包和 CLI）的引入简化了模型的可用性，扩大了其在各种硬件平台上的适用性。它引入了增强的空间金字塔池和改进的路径聚合网络 （PANet），从而实现了更好的特征融合和更高的检测精度，特别是对于小目标 [ 18， 22]。在同类产品中，它实现了最高的 mAP（平均精度），使其成为精度不能受到影响的应用的首选，例如监控系统或详细的工业检查。它采用更复杂的特征提取过程，具有额外的层和精细的注意力机制，从而改进了对高分辨率图像中更小、更复杂的对象的检测。
论文学习——YOLOv8网络解析
weixin_45977690的博客
02-03 3万+
YOLOv8的详细介绍
YOLOv8代码上线，官方宣布将发布论文，附精度速度初探和对比总结
一名在读大学生，正在学习深度学习，会定期分享一些该领域内容。欢迎大家一起交流学习~
01-16 1万+
【YOLOv8 注意事项】 1.YOLOv8 的官方仓库和代码已上线，文档教程网址也刚刚更新。 2. YOLOv8 代码集成在ultralytics项目中，目前看不会再单独创建叫做 YOLOv8 的项目。 3.YOLOv8 即将有论文了！要知道 YOLOv5 自从 2020 年发布以来，一直是没有论文的。而 YOLOv8（YOLOv5团队）这次首次承认将先发布 arXiv 版本的论文（目前还在火速撰写中）。
目标检测算法-YOLOV8解析（附论文和源码）
06-30 3万+
目标检测算法-YOLOV8解析（附论文和源码）
论文笔记--GPT-4 Technical Report
weixin_38124427的博客
06-11 3716
GPT-4报告：更强大的多模态模型
GPT系列之：GPT-1，GPT-2，GPT-3详细解读
vivid
09-08 2101
（2）并且模型被设计为在预训练期间吸收信息很大，然后在非常狭窄的任务分布上进行微调，导致模型泛化性能不好，虽然预训练-微调范式能够在某一任务达到非常好的效果，实际性能很差。（3）很多任务只需要简短的自然语言指令，不需要大型监督数据集，而且语言模型允许在很多任务之间切换，具有通用性。PPL：给测试集的句子赋予较高概率值的语言模型较好,当语言模型训练完之后，测试集中的句子都是正常的句子，那么训练好的模型就是在测试集上的概率越高越好，其计算公式如下，P（w1…系统的探索了不同的配置下上下文学习的效果。
从System Prompt来看GPT-3.5到GPT-4的进化
herosunly的博客
05-23 3万+
本文主要介绍了从System Prompt来看GPT-3.5到GPT-4的进化之路，希望能对学习大模型的同学们有所帮助。 文章目录 1. 前言 2. System Prompt 2.1 GPT-3.5 2.2 GPT-4o 2.3 GPT-3.5到GPT-4的进化之路
基于Gradio的YOLOv8通用目标检测与图像分割可视化系统毕业设计（源码+数据+说明文档）.rar
05-09
1、资源内容：基于Gradio的YOLOv8通用目标检测与图像分割可视化系统毕业设计（源码+数据+说明文档）.rar 2、适用人群：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业设计，作为“参考资料”使用。 3、更多仿真源码和数据集下载列表（自行寻找自己需要的）：https://blog.csdn.net/m0_62143653?type=download 4、免责声明：本资源作为“参考资料”而不是“定制需求”不一定能够满足所有人的需求，需要有一定的基础能够看懂代码，能够自行调试，能够自行添加功能修改代码。由于作者大厂工作较忙，不提供答疑服务，如不存在资源缺失问题概不负责，谢谢理解。
即插即用篇 | YOLOv8 引入具备跨空间学习的高效多尺度注意力 Efficient Multi-Scale Attention | 《ICASSP 2023 最新论文》
YOLOv8项目贡献者
07-13 7284
ICASSP 2023🏅 YOLOv8 添加 EMA 模块与 C2f_EMA 模块
结合YoloV8讲解论文：Gaussian Bounding Boxes and Probabilistic Intersection-over-Union for Object Detection
记录图像处理中遇到的点点滴滴
12-10 1568
基于yolov8 obb iou讲解其原理和代码实现，通过读取文章以了解其局限性和改进方法
YOLOv8自定义模型架构，及训练自己的数据集代码（论文，软著创新）
lcx9451的博客
03-24 1777
YOLOv8自定义模型架构，及训练自己的数据集代码（论文，软著创新）
【目标检测论文解读复现NO.37】基于改进的 YOLOv8 变电设备红外图像检测
m0_70388905的博客
05-12 835
基于改进的 YOLOv8 变电设备红外图像检测
YOLOv8改进主干RTMDet论文系列：高效涨点的单阶段目标检测器主干
IdfdFsharp的博客
09-21 496
本文介绍了一篇名为"YOLOv8改进主干RTMDet"的论文系列，该系列通过结合最新的RTMDet论文和采用CSPNeXt主干结构，实现了高性能、低延时的单阶段目标检测器主干。实验结果显示，相比于传统的主干网络结构，采用CSPNeXt主干结构的目标检测器在目标分类和定位任务上表现出更高的性能和更低的延时。综上所述，本文系列通过结合最新的RTMDet论文和CSPNeXt主干结构，成功实现了高性能、低延时的单阶段目标检测器主干，为计算机视觉领域的目标检测技术研究提供了有益的参考和启发。
论文复现--关于yolov8在姿态估计方面的研究
Doggerlas的博客
08-21 949
分类：动作捕捉 github地址：https://github.com/ultralytics/ultralytics
如何水一篇深度学习论文（不废话研一研二必看版）
chen308586的博客
11-01 7658
我们的目的是要水一篇论文。水的意思是快速地想好实验怎么做，做完实验，写完论文。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值