yueguang8-CSDN博客

原创 python之list列表增删改查等方法使用总结

列表是一种非常灵活和强大的数据结构，在编程中经常被使用。在 Python 中，列表对象有多个操作方法，本章将介绍list中元素的查找、排序、翻转、拷贝、添加、删除、合并、切片、解析等方法的介绍及代码示例。

2024-04-18 08:00:00 839

原创 pytorch之nn.Sequential使用详解

nn.Sequential 是 PyTorch 库中的一个类，它允许通过按顺序堆叠多个层来创建神经网络模型。它提供了一种方便的方式来定义和组织神经网络的层。文章详细介绍模型的定义修改、删除、参数访问、参数冻结等方法的详细使用说明；另外介绍了其他模型构建的方式及模型的加载保存。

2024-04-18 07:30:00 843

原创 python之globals与locals函数介绍

在 Python 中，globals() 和 locals() 是两个内置函数，用于获取全局和局部命名空间中的变量和函数。可以结合update() 函数的使用来实现对全局和局部命名空间的更新

2024-04-17 12:57:37 360

原创 python之update函数介绍

update() 方法是字典对象的方法，用于将一个字典中的键值对更新到另一个字典中。它能够实现字典的合并和更新操作，非常有用。

2024-04-17 12:56:13 333

原创 python之collections.Counter函数介绍

collections.Counter 是 Python 标准库中的一个内置类，用于计数可哈希对象（例如列表、字符串等）的出现次数。它提供了一种方便且高效的方式来进行计数操作

2024-04-17 12:54:37 300

原创 yolo组件之BottleneckCSP总结

Bottleneck CSP是一种在卷积神经网络中常用的瓶颈层类型，它通过结合瓶颈结构和跨阶段部分连接的方式，提高了网络的性能和效率。它在图像分类、目标检测、语义分割等计算机视觉任务中得到广泛应用，并取得了良好的效果。文章对结构以及代码实现进行了详细的总结介绍。

2024-04-16 21:49:16 1038 1

原创 YOLOV8逐步分解(4)_模型的构建过程

详细介绍了yolov8检测模型DetectionModel()的实例化过程及模型的解析构造过程。

2024-04-16 21:23:26 752

原创神经网络结构之backbone、neck和head名词解释

介绍"backbone"、"neck"和"head"等常用的术语，并介绍了每一部分的作用及基本组成。

2024-04-13 08:30:00 605

原创 yolov8逐步分解(3)_trainer训练之模型加载

详细介绍了yolov8训练时模型的加载过程，详细介绍了模型加载过程中的参数检测设置等过程。

2024-03-31 22:24:43 907 1

原创 pytorch之model.eval()、model.fuse()及model.fuse.eval()介绍

在 PyTorch 中，model.eval() 是用于将模型设置为评估模式的方法，而 model.fuse() 是用于量化模型中的融合操作的方法。本文将详细介绍其使用。

2024-03-31 21:48:00 726

原创 yolov8逐步分解(2)_DetectionTrainer类初始化过程

详细介绍了yolov8训练器trainer的初始化过程，讲解参数的加载替换过程，着重讲解了coco128数据集的加载解析及校验，最后介绍了损失函数学习率的初始化

2024-03-28 22:16:33 1092

原创 yolov8逐步分解(1)--默认参数&超参配置文件加载

本文章详细介绍了yolov8默认配置文件default.yaml如何被加载并处理成训练函数(train)所需要的参数的过程。

2024-03-28 21:34:04 943 2

原创 Kimi是什么？免费Kimi chat介绍

Kimi是月之暗面科技有限公司（Moonshot AI）开发的人工智能助手，Kimi的设计旨在提高效率和便利性，适用于多种专业场景，如学术研究、法律咨询、软件开发等，为用户提供全面的信息处理和技术支持服务

2024-03-26 09:05:35 654

原创 python之pathlib库使用介绍

介绍了pathlib 库的一些用法和功能。它提供了一种更简洁和面向对象的方式来处理文件路径，并且具有良好的跨平台兼容性。另外它提供了丰富的方法和属性，使得文件和目录的操作更加方便和灵活。可以根据具体需求使用这些方法来处理路径、文件和目录

2024-03-21 21:38:04 945

原创 pytorch之torch.save()和torch.load()方法详细说明

torch.save()和torch.load()是PyTorch中用于模型保存和加载的函数。它们提供了一种方便的方式来保存和恢复模型的状态、结构和参数。可以使用它们来保存和加载整个模型或其他任意的Python对象，并且可以在加载模型时指定目标设备。

2024-03-21 21:02:43 1228 2

原创深度学习中准确率、精确率、召回率、误报率、漏报率、F1-Score、AP&mAP、ROC曲线、AUC、MAE、MAPE、MSE、RMSE、R-Squared等指标的解释说明

在深度学习学习中，有许多常用的评估指标用于衡量模型的性能。下面是一些常见的指标及其定义和说明。关键名字解释：TP表示真正例（True Positive），即模型正确预测为正例的样本数量；TN表示真负例（True Negative），即模型正确预测为负例的样本数量；FP表示假正例（False Positive），即模型错误地将负例预测为正例的样本数量；FN表示假负例（False Negative），即模型错误地将正例预测为负例的样本数量。

2024-03-20 19:47:09 1264

原创 yolo中RANK、LOACL_RANK以及WORLD_SIZE的介绍

通过 rank、local-rank 和 world_size 的配合使用，分布式训练系统可以有效地进行数据分发、参数同步和梯度聚合等操作，以实现高效的模型训练和加速。

2024-03-20 08:20:24 955

原创 python之SimpleNamespace()使用总结

SimpleNamespace提供了一种简单而方便的方式来创建和管理属性，尤其适用于临时存储和访问一些简单的数据。本章详细介绍SimpleNamespace的一些常见方法和操作

2024-03-18 18:45:27 438

原创 python 之yaml库使用总结

本章详细介绍了yaml文件的格式及语法内容，并给出了代码示例。另外详细介绍yaml文件的加载，介绍了load和safe_load的使用注意事项并进行单文件以及多文件加载的示例演示。最后给出了介绍了yaml文件写入的方法。

2024-03-14 18:10:21 1477

原创 python之Temple工具及与Yaml文件配合使用的介绍

Temple 是一个用于创建和管理应用程序模板的工具，它使用 YAML（YAML Ain't Markup Language）文件来定义模板的结构和内容。这些模板可以用于生成项目的骨架代码、配置文件、文档等。

2024-03-14 18:09:52 365

原创 Python之字符串操作大全（29种方法）

介绍了常用的字符串拼接、替换、大小写判断等29种操作方法及代码示例。

2024-03-13 18:06:11 731

原创 YOLO之Mini_Rect Training(矩形训练)

mini_rect training（矩形训练）是为了减少冗余信息，提高训练推理速度及精度，使用mini_rect training时不能使用shuffle操作。

2024-03-13 18:05:44 554

原创 python之格式化输出format()函数使用总结

在 Python 中，format 方法是一种用于字符串格式化的强大工具。它允许你将变量或表达式插入到字符串中，并根据需要进行格式化。

2024-03-13 18:05:16 2770

原创 Nvidia Jeston模组规格参数详细对比

详细介绍了Jeston Nano、Jeston TX2、Jeston Xavier NX系列、Jeston AGX Xavier系列、Jeston Orin Nano系列、Jeston Orin NX系列以及Jeston AGX Orin系列的CPU、GPU、算力外设接口功率等性能参数。方便开发者选择合适的模组进行项目开发.

2024-03-12 18:22:20 377 1