机器视觉笔记5——前向传播函数 前向传播（Forward Propagation）官方来说，是神经网络中的一种计算过程，用于将输入数据经过各层网络的权重和激活函数进行计算，最终得到网络的输出结果。在训练过程中，前向传播是从输入数据开始，通过网络的各层逐步计算到输出结果的过程。
机器视觉笔记3——卷积残差及代码实现 YOLOv3的改进，是在YOLOv1、v2基础上引入了残差连接（Residual Connections）作为其主干网络即backboneDarknet-53（53层的深度卷积神经网络，包含多个残差模块）。
机器视觉笔记2——交并比IoU及代码实现 在目标检测领域，交并比（IoU,全称Intersection of Union）是目标检测和和分割任务中一个重要的衡量标准，根据名字很容易知道IoU即为两个边界框（或者是两个分割掩模）的交集区域的面积和两个边界框（或者是两个分割掩模）的并集区域的面积之比。
在google colab上搭建pytorch深度学习环境 Google Colab是一种在线的开发环境，它基于Jupyter Notebook，可以在浏览器中运行Python代码。Colab提供了一个具有CPU和GPU支持的云端运行环境，用户可以免费使用。
远程服务器配置深度学习环境 随着AI技术越来越火，一个机械结构的也开始卷入深度学习机器视觉。由于对YOLO（You Only Look Once）比较感兴趣，参考了B站）教程搭建Yolov3基于VOC2007+12数据集的深度学习模型。由于本子太慢了，借助远程服务器进行训练。
关注
