摘要： 
阅读utils/loss.py，掌握YOLO算法的loss计算过程 这个损失函数跟YOLO-V5的损失函数相同，最关键的函数是build_target。原理很抽象，代码更抽象。想要读懂耗时大概2~3天。由于学长时间有限，所以就只把最关键的部分讲一下。 原理解析 对于某一张输入图片，YOLO算法把图片 阅读全文
阅读utils/loss.py，掌握YOLO算法的loss计算过程 这个损失函数跟YOLO-V5的损失函数相同，最关键的函数是build_target。原理很抽象，代码更抽象。想要读懂耗时大概2~3天。由于学长时间有限，所以就只把最关键的部分讲一下。 原理解析 对于某一张输入图片，YOLO算法把图片 阅读全文
摘要：
torch.repeat函数 函数功能 torch.tensor.repeat()函数可以对张量进行重复扩充1) 当参数只有两个时：（行的重复倍数，列的重复倍数），1表示不重复。2) 当参数有三个时：（通道数的重复倍数，行的重复倍数，列的重复倍数），1表示不重复。、 example： >>> x = 阅读全文
摘要： 
torch.tensor.view() 形式：Tensor.view(*shape) → Tensor 作用：返回一个新的张量，其数据与自张量相同，但形状不同。 说明：返回的张量共享相同的数据，并且必须具有相同数量的元素，但可能具有不同的大小。 当不清楚是否可以执行 view() 时，建议使用 re 阅读全文
torch.tensor.view() 形式：Tensor.view(*shape) → Tensor 作用：返回一个新的张量，其数据与自张量相同，但形状不同。 说明：返回的张量共享相同的数据，并且必须具有相同数量的元素，但可能具有不同的大小。 当不清楚是否可以执行 view() 时，建议使用 re 阅读全文
摘要：
TORCH.ARANGE torch.arange(start=0, end, step=1, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False)→ Tensor Returns a 1-D 阅读全文
摘要：
目标检测中的Anchor详解 👆原文链接 常用的Anchor Box定义 Faster R-CNN 定义三组纵横比ratio = [0.5,1,2]和三种尺度scale = [8,16,32]，可以组合处9种不同的形状和大小的边框。 YOLO V2 V3 则不是使用预设的纵横比和尺度的组合，而是使 阅读全文
摘要：
Tensor总结 （1）Tensor 和 Numpy都是矩阵，区别是前者可以在GPU上运行，后者只能在CPU上； （2）Tensor和Numpy互相转化很方便，类型也比较兼容 （3）Tensor可以直接通过print显示数据类型，而Numpy不可以 Detector这个类在初始化的时候定义了许多成员 阅读全文
摘要：
pytorch的nn.Conv2d 官方解释： torch.nn.Conv2d()函数详解 参数详解：torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, 阅读全文
原文链接↓ Ｎ Ｃ Ｈ Ｗ batch批量大小 channels，特征图通道数 特征图的高 特征图的宽 NCHW中，“N”batch批量大小，“C”channels特征图通道数，“H”特征图的高，和“W”特征图的宽。 在深度学习中，为了提升数据传输带宽和计算性能，image 或 feature ma