wl30130611的博客

以C2f[128,true]为例，128是输出feature map的通道数，True代表Bottleneck模块中shortcut=True， 没有写表示False。from: 输入，-1表示上层的输出作为本层的输入， [15, 18, 21] 为索引值，表示detect层的输入为第15层、18层、21层的输出。以nn.upsample为例， None表示不指定输出尺寸， 2表示输出尺寸为输入尺寸的2倍，“nearest”表示上采样差值方式为最近邻差值。repeats: 模块的重复次数。

方法一：修改settings.yaml文件中的datasets_dir。方法二：删除settings.yaml。方法三：yaml文件使用绝对路劲。

vector = np.array([1,2,3,4]) #向量。tensor = np.array([[[1,2],[3,4]],[[5,6],[7,8]]]) #张量。matrix = np.array([[1,2,3],[4,5,6],[7,8,9]]) #矩阵。print("特征图形状：", feature_map.shape)以输出的形式举一个feature map的例子，如代码块2所示。print("特征图：")# 显示特征图的形状。

修改为：from_which_layer.append((torch.ones(size=(len(b),)) * i).to(device))修改为：matching_matrix = torch.zeros_like(cost, device=device)修改：from_which_layer.append(torch.ones(size=(len(b),)) * i)修改：matching_matrix = torch.zeros_like(cost)