机器学习，深度学习，计算机视觉博客目录

computer_vision_chen

已于 2024-10-10 13:45:30 修改

阅读量785

点赞数 8

分类专栏：动手学深度学习(计算机视觉篇) 机器学习&深度学习笔记文章标签：计算机视觉

于 2024-01-10 11:47:59 首次发布

本文链接：https://blog.csdn.net/qq_42864343/article/details/135499851

版权

动手学深度学习(计算机视觉篇) 同时被 2 个专栏收录

39 篇文章 2 订阅

订阅专栏

机器学习&深度学习笔记

30 篇文章 0 订阅

订阅专栏

一.深度学习环境配置
- window安装
- 清华大学开源软件镜像站
- windows和Linux安装配置anaconda
- windows安装miniconda
- linux下pycharm和idea安装教程
- vscode安装和使用教程
- python3.7 windows可执行文件版下载地址
- ubuntu安装显卡驱动和 cuda
- 租借GPU、pycharm远程使用GPU、配置解释器
- anaconda命令大全
- pycharm配置conda解释器和conda创建的虚拟环境解释器
- pycharm配置Jupyter
- 电脑没有nvidia显卡是否可以安装torch?
- 跑深度学习代码的requirements.txt
- 如何验证Pytorch是否安装成功
- pycharm中的终端突然不能用conda（如果更换pycharm中的终端）
二. python基础
三.机器学习笔记
- 线性回归
- 逻辑回归
四.深度学习笔记
- 深度学习的优化器
- 深度学习在训练时更新和保存最佳训练结果的方法(字典方法，本地保存方法，模型深拷贝方法)
五.图像识别及目标检测
- Resnet18连接摄像头实时监测
- yolov1理论和代码
- yolo指标详解（mAP,IoU,P,R,F1）
- yolov5原理详解
- YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x大小和下载地址
- yolov5各种架构的输入大小规定
- 详解yolov5训练自己的香烟数据集并推理
- yolo-nas对自定义香烟数据集进行训练、连接摄像头推理
六.嵌入式人工智能
- 嵌入式与人工智能是如何结合的？
- 基于Jetson Nano的嵌入式小车避障项目
- 人工智能模型转ONNX & 连接摄像头使用ONNX格式的模型进行推理
七.OpenCV项目
- python图像处理，opencv笔记汇总
八.开源的较好的AI项目
八.深度学习报错总结
- RuntimeError: "unfolded2d_copy" not implemented for 'Half' [stable diffusion]
数据集的划分
数据集
- CeleA
生成模型
- WGAN损失函数解读
- GAN原理 & 代码解读

一.深度学习环境配置

【Windows】安装NVIDIA驱动 / 更新驱动

window安装

anaconda命令大全

pycharm配置conda解释器和conda创建的虚拟环境解释器

pycharm配置Jupyter

https://blog.csdn.net/qq_42864343/article/details/140218333?spm=1001.2014.3001.5501

电脑没有nvidia显卡是否可以安装torch?

可以。在没有显卡，没有CUDA的情况下也能安装PyTorch，
主要是因为PyTorch提供了CPU版本供用户使用。

但是当有了CUDA时，安装与之不匹配的pytorch版本，就会报错。
但是在没有GPU的电脑上，同版本的pytorch是可以装的。

跑深度学习代码的requirements.txt

# pip install -r requirements.txt

# pip install -r requirements.txt

# base ----------------------------------------

matplotlib>=3.2.2
numpy==1.23.5
opencv-python>=4.1.2
Pillow
PyYAML>=5.3.1
scipy>=1.4.1
torch==1.9.1
torchvision==0.10.1
tqdm>=4.41.0

# plotting ------------------------------------

seaborn>=0.11.0
pandas

# deep_sort -----------------------------------

easydict
requests

在这里插入图片描述

如何验证Pytorch是否安装成功

import torch  
  
# 检查PyTorch是否可以找到GPU（可选）  
if torch.cuda.is_available():  
    print("PyTorch can use GPU.")  
else:  
    print("PyTorch cannot find GPU.")  
  
# 创建一个张量并打印出来  
x = torch.randn(5, 3)  
print(x)

pycharm中的终端突然不能用conda（如果更换pycharm中的终端）

1.原本是powershell就更换为cmd，反之亦然。

在这里插入图片描述
2.更换之后，关闭原来的local，重新打开一个Local

二. python基础

python语法及写的工具代码总结

在这里插入图片描述

三.机器学习笔记

线性回归

线性回归预测波士顿房价 & loss为NAN原因 & 画散点图找特征与标签的关系

逻辑回归

机器学习二元分类 & 二元交叉熵 & 二元分类例子

四.深度学习笔记

深度学习的优化器

torch.optim.SGD 和 torch.optim.Adam的区别？

深度学习在训练时更新和保存最佳训练结果的方法(字典方法，本地保存方法，模型深拷贝方法)

五.图像识别及目标检测

Resnet18连接摄像头实时监测

使用resnet18预训练模型实时检测摄像头画面中的物体(画面显示中文类名)
使用resnet18预训练模型实时检测摄像头画面中的物体(画面显示英文类名)

yolov1理论和代码

【yolov1】详解yolov1理论 & 代码

yolo指标详解（mAP,IoU,P,R,F1）

yolo,mAP, F1值, 召回率（Recall），精确率（Precision），(TP,TN,FP,FN)，交除并（Intersection-over-Union（IoU））

yolov5原理详解

yolov5原理详解 (涉及内容：Yolov5框架，各组件分析，特征融合是怎么实现的？yolov5的具体特征融合方式等)

YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x大小和下载地址

在这里插入图片描述点我：YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x下载

在这里插入图片描述

YOLOv5s（Small）：
    是YOLOv5系列中最小的模型。
    “s”代表“small”（小），意味着其模型尺寸和计算需求相对较小。

YOLOv5m（Medium）：
    是YOLOv5系列中一个中等大小的模型。
    “m”代表“medium”（中），提供了比YOLOv5s更大的模型尺寸和更高的性能。

YOLOv5l（Large）：
    是YOLOv5系列中一个较大的模型。
    “l”代表“large”（大），具有更大的模型尺寸和更高的检测精度。

YOLOv5x（Extra Large）：
    是YOLOv5系列中最大的模型。
    “x”代表“extra large”（超大），提供了最佳的检测性能和准确性，但也需要最多的计算资源。