《人工智能專欄》必讀150篇 | 閱讀推薦 & 專欄目錄 & Python與PyTorch | 機(jī)器與深度學(xué)習(xí) | 目標(biāo)檢測(cè) | YOLOv5及改進(jìn) | YOLOv8及改進(jìn) | 關(guān)鍵知識(shí)點(diǎn) | 工具

開(kāi)放鏈接：

《人工智能專欄》必讀150篇 | 專欄介紹 & 專欄目錄 & Python與PyTorch | 機(jī)器與深度學(xué)習(xí) | 目標(biāo)檢測(cè) | YOLOv5及改進(jìn) | YOLOv8及改進(jìn) | 關(guān)鍵知識(shí)點(diǎn) | 工具-CSDN博客

YOLOv5系列(一) 本文(1.2萬(wàn)字) | 項(xiàng)目結(jié)構(gòu) | 羅列全部函數(shù)與方法 | 全網(wǎng)最全代碼調(diào)用關(guān)系圖 |-CSDN博客

YOLOv5系列(五) 本文(5萬(wàn)字) | 解析網(wǎng)絡(luò)結(jié)構(gòu)common | 逐行代碼注釋解析-CSDN博客

YOLOv5改進(jìn)系列(十七) 本文(1.2萬(wàn)字) | 引入反向殘差注意力模塊iRMB |-CSDN博客

YOLOv5系列(十八) 本文(1.1萬(wàn)字) | 解析訓(xùn)練調(diào)參train | 逐行代碼注釋解析-CSDN博客

YOLOv5改進(jìn)系列(三) 本文(7萬(wàn)字) | 更換主干backbone | MobileNetV3 | ShuffleNetV2 | EfficientNetv2 | GhostNet | 等 |-CSDN博客

YOLOv5改進(jìn)系列(四) 本文(2.5萬(wàn)字) | 更換Neck | BiFPN | AFPN | BiFusion |-CSDN博客

代碼函數(shù)調(diào)用關(guān)系圖(全網(wǎng)最詳盡-重要)

因文檔特殊，不能在博客正確顯示，請(qǐng)移步以下鏈接！

圖解YOLOv5_v7.0代碼結(jié)構(gòu)與調(diào)用關(guān)系(點(diǎn)擊進(jìn)入可以放大縮小等操作)

結(jié)構(gòu)圖有諸多問(wèn)題，還請(qǐng)理性看待！

預(yù)覽：

點(diǎn)擊進(jìn)入專欄：

《人工智能專欄》 Python與Python | 機(jī)器學(xué)習(xí) | 深度學(xué)習(xí) | 目標(biāo)檢測(cè) | YOLOv5及其改進(jìn) | YOLOv8及其改進(jìn) | 關(guān)鍵知識(shí)點(diǎn) | 各種工具教程

各部分詳情：(持續(xù)更新中 | 截止(1.3共140篇)…)

1. 機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)(一) 本文(3萬(wàn)字) | 機(jī)器學(xué)習(xí)概述 |-CSDN博客

機(jī)器學(xué)習(xí)(二) 本文(2.5萬(wàn)字) | KNN算法原理及Python復(fù)現(xiàn) |-CSDN博客

機(jī)器學(xué)習(xí)(三) 本文(3萬(wàn)字) | 線性回歸LR原理 | Python復(fù)現(xiàn) |-CSDN博客

機(jī)器學(xué)習(xí)(四) 本文(2萬(wàn)字) | 梯度下降GD原理 | Python復(fù)現(xiàn) |-CSDN博客

機(jī)器學(xué)習(xí)(五) 本文(4萬(wàn)字) | 邏輯回歸 (Logistic Regression，LR) | Python復(fù)現(xiàn) |-CSDN博客

機(jī)器學(xué)習(xí)(六) 本文(3.5萬(wàn)字) | 特征工程(Feature Engineering) | Python復(fù)現(xiàn) |-CSDN博客

機(jī)器學(xué)習(xí)(七) 本文(4萬(wàn)字) | 決策樹(shù)(Decision Tree) | Python復(fù)現(xiàn) |-CSDN博客

機(jī)器學(xué)習(xí)(八) 本文(3萬(wàn)字) | 集成學(xué)習(xí)(ensemble learning) |-CSDN博客

機(jī)器學(xué)習(xí)(九) 本文(4萬(wàn)字) | 支持向量機(jī) | 第一篇 |（Support Vector Machine，SVM） | Python復(fù)現(xiàn) |-CSDN博客

機(jī)器學(xué)習(xí)(十) 本文(2萬(wàn)字) | 樸素貝葉斯(Naive Bayes) | Python復(fù)現(xiàn) |-CSDN博客

2. 深度學(xué)習(xí)與目標(biāo)檢測(cè)

深度學(xué)習(xí)與目標(biāo)檢測(cè)系列(一) 本文約(17萬(wàn)字)，覆蓋 走進(jìn)神經(jīng)網(wǎng)絡(luò) | 深度神經(jīng)網(wǎng)絡(luò)DNN | 卷積神經(jīng)網(wǎng)絡(luò)CNN | 區(qū)域卷積神經(jīng)網(wǎng)絡(luò)RNN | 目標(biāo)檢測(cè) | 經(jīng)典網(wǎng)絡(luò)模型二十余種-CSDN博客

深度學(xué)習(xí)與目標(biāo)檢測(cè)系列(二) 本文約(7萬(wàn)字) | 全面解讀復(fù)現(xiàn)YOLOv1 | PyTorch |-CSDN博客

深度學(xué)習(xí)與目標(biāo)檢測(cè)系列(三) 本文約(4萬(wàn)字) | 全面解讀復(fù)現(xiàn)AlexNet | Pytorch |-CSDN博客

深度學(xué)習(xí)與目標(biāo)檢測(cè)系列(四) 本文約(4.5萬(wàn)字) | 全面解讀復(fù)現(xiàn)VGGNet | Pytorch |-CSDN博客

深度學(xué)習(xí)與目標(biāo)檢測(cè)系列(五) 本文約(9萬(wàn)字) | 全面解讀復(fù)現(xiàn)GoogleNet_InceptionV1-V4 | Pytorch |-CSDN博客

深度學(xué)習(xí)與目標(biāo)檢測(cè)系列(六) 本文約(4.5萬(wàn)字) | 全面解讀復(fù)現(xiàn)ResNet | Pytorch |-CSDN博客

深度學(xué)習(xí)與目標(biāo)檢測(cè)系列(七) 本文約(8萬(wàn)字) | 全面解讀復(fù)現(xiàn)MobileNetV1-V3 | Pytorch |-CSDN博客

深度學(xué)習(xí)與目標(biāo)檢測(cè)系列(八) 本文約(6萬(wàn)字) | 全面解讀復(fù)現(xiàn)ShuffleNetV1-V2 | Pytorch |-CSDN博客

3. YOLOv5

YOLOv5系列(一) 本文(1.2萬(wàn)字) | 項(xiàng)目結(jié)構(gòu) | 羅列全部函數(shù)與方法 | 全網(wǎng)最全代碼調(diào)用關(guān)系圖 |-CSDN博客

YOLOv5系列(二) 本文(1.1萬(wàn)字) | 解析配置文件yolov5s.yaml |_yolov5配置文件中-1可以用其它來(lái)代替嗎-CSDN博客

YOLOv5系列(三) 本文(4萬(wàn)字) | 解析推理部分detect | 逐行代碼注釋解析-CSDN博客

YOLOv5系列(四) 本文(4萬(wàn)字) | 解析網(wǎng)絡(luò)結(jié)構(gòu)yolo | 逐行代碼注釋解析-CSDN博客

YOLOv5系列(五) 本文(5萬(wàn)字) | 解析網(wǎng)絡(luò)結(jié)構(gòu)common | 逐行代碼注釋解析-CSDN博客

YOLOv5系列(六) 本文(5萬(wàn)字) | 解析數(shù)據(jù)集部分datasets | 逐行代碼注釋解析-CSDN博客

YOLOv5系列(七) 本文(2萬(wàn)字) | 解析損失部分loss | 逐行代碼注釋解析-CSDN博客

YOLOv5系列(八) 本文(4萬(wàn)字) | 解析通用部分general | 逐行代碼注釋解析-CSDN博客

YOLOv5系列(九) 本文(3萬(wàn)字) | 解析繪圖部分plots | 逐行代碼注釋解析-CSDN博客

YOLOv5系列(十) 本文(1萬(wàn)字) | 解析激活函數(shù)部分activations | 逐行代碼注釋解析-CSDN博客

YOLOv5系列(十一) 本文(2萬(wàn)字) | 解析性能指標(biāo)部分metrics | 逐行代碼注釋解析-CSDN博客

YOLOv5系列(十二) 本文(1.5萬(wàn)字) | 解析數(shù)據(jù)增強(qiáng)部分augmentations | 逐行代碼注釋解析-CSDN博客

YOLOv5系列(十三) 本文(2萬(wàn)字) | 解析torch工具部分torch_utils | 逐行代碼注釋解析-CSDN博客

YOLOv5系列(十四) 本文(1.3萬(wàn)字) | 解析數(shù)據(jù)集處理部分dataloaders | 逐行代碼注釋解析-CSDN博客

YOLOv5系列(十五) 本文(4萬(wàn)字)五部分內(nèi)容 |autoanchor | Callback | expert | experimental | google_utils | 逐行代碼注釋解析-CSDN博客

YOLOv5系列(十六) 本文(5萬(wàn)字) | 解析驗(yàn)證部分val | 逐行代碼注釋解析-CSDN博客

YOLOv5系列(十七) 本文(8萬(wàn)字) | 解析訓(xùn)練部分train | 逐行代碼注釋解析-CSDN博客

YOLOv5系列(十八) 本文(1.1萬(wàn)字) | 解析訓(xùn)練調(diào)參train | 逐行代碼注釋解析-CSDN博客

YOLOv5系列(十九) 本文(5000字) | 解析驗(yàn)證調(diào)參val | 逐行代碼注釋解析-CSDN博客

YOLOv5系列(二十) 本文(4萬(wàn)字) | 訓(xùn)練自己的數(shù)據(jù)集 |利用labelimg標(biāo)注數(shù)據(jù)集 | 劃分自建數(shù)據(jù)集 | 從環(huán)境配置到數(shù)據(jù)及劃分再到訓(xùn)練-CSDN博客

YOLOv5系列(二十一) 本文(1萬(wàn)字) | 解讀訓(xùn)練結(jié)果混淆矩陣， PR曲線，AP， mAP， F1-score，events.out.tfevents，P_curve.png，PR_curve等-CSDN博客

YOLOv5系列(二十二) 本文(5萬(wàn)字) | 原理代碼復(fù)現(xiàn)解析 | 綜合實(shí)戰(zhàn) | 分布式訓(xùn)練DistributedDataParallel(DDP) | 多設(shè)備間批量歸一化SyncBatchNorm-CSDN博客

YOLOv5系列(二十三) 本文(2.5萬(wàn)字) | 自動(dòng)混合精度AMP | 指數(shù)移動(dòng)平均EMA | Test Time Augmentation(TTA) |-CSDN博客

YOLOv5系列(二十四) 本文(4萬(wàn)字) | 遺傳算法實(shí)現(xiàn)超參數(shù)進(jìn)化(Hyperparameter Evolution) | 利用K-means聚類以及遺傳算法生成Anchor box |-CSDN博客

YOLOv5系列(二十五) 本文(2萬(wàn)字) | 從二值損失基本原理到Y(jié)OLOv5損失 | Binary Cross-Entropy | YOLOv5 LOSS |-CSDN博客

YOLOv5系列(二十六) 本文(1萬(wàn)字) | C3 | Focus | 替換為6*6卷積 |-CSDN博客

YOLOv5系列(二十七) 本文(2萬(wàn)字) | YOLOv5插值 | | Upsample | UpsamplingBilinear2D | UpsamplingNearest2D |-CSDN博客

YOLOv5系列(二十八) 本文(2萬(wàn)字) | 可視化工具 | Comet | ClearML | Wandb | Visdom |-CSDN博客

YOLOv5系列(二十九) 本文(1萬(wàn)字) | 多模型推理預(yù)測(cè)(Model Ensemble) | 參數(shù)重結(jié)構(gòu)化(融合Conv+BatchNorm2d) |-CSDN博客

YOLOv5系列(三十) 本文(2萬(wàn)字) | 模型剪枝與Pytorch剪枝策略 |-CSDN博客

YOLOv5系列(三十一) 本文(1.5萬(wàn)字) | 標(biāo)簽平滑(Label Smoothing) | Focal Loss損失函數(shù) | 學(xué)習(xí)率預(yù)熱Warmup |-CSDN博客

YOLOv5系列(三十二) 本文(2.5萬(wàn)字) | 再次解讀yaml文件 | 從yaml到模型結(jié)構(gòu)的具體實(shí)施細(xì)節(jié) | 魔改模型結(jié)構(gòu)兩頭 | 四頭 | 等 |-CSDN博客

4. YOLOv5改進(jìn)

YOLOv5改進(jìn)(一) 本文(7萬(wàn)字) | 添加注意力機(jī)制 | SE | CBAM | ECA | CA | SimAM | S2-MLPv2 | NAMAttention | 等 | 共計(jì)二十種 |-CSDN博客

YOLOv5改進(jìn)系列(二) 本文(1.萬(wàn)字) | 解讀各種激活函數(shù) | 更換激活函數(shù) | SiLU | ReLU | ELU | Hardswish | Mish | Softplus | 等 |-CSDN博客

YOLOv5改進(jìn)系列(三) 本文(7萬(wàn)字) | 更換主干backbone | MobileNetV3 | ShuffleNetV2 | EfficientNetv2 | GhostNet | 等 |-CSDN博客

YOLOv5改進(jìn)系列(四) 本文(2.5萬(wàn)字) | 更換Neck | BiFPN | AFPN | BiFusion |-CSDN博客

YOLOv5改進(jìn)系列(五) 本文(1.5萬(wàn)字) | 更換空間金字塔池化 | SPP | SPPF | SimSPPF | ASPP | RFB | SPPCSPC | SPPFCSPC |-CSDN博客

YOLOv5改進(jìn)系列(六) 本文(5萬(wàn)字) | 更換損失函數(shù) | GIoU | DIoU | CIoU | EIoU | AlphaIoU | SIoU | WIoU |-CSDN博客

YOLOv5改系列(七) 本文(5000字) | 更換非極大抑制 | DIoU-NMS | CIoU-NMS | EIoU-NMS | GIoU-NMS | SIoU-NMS | Soft-NMS |-CSDN博客

YOLOv5改進(jìn)系列(八) 本文(6000字) | 更換Yolov8的C2f模塊 |-CSDN博客

YOLOv5改進(jìn)系列(九) 本文(8000字) | 增加小目標(biāo)檢測(cè)層 |-CSDN博客

YOLOv5改進(jìn)系列(十) 本文(5000字) | 更換Google的優(yōu)化器Lion |-CSDN博客

YOLOv5改進(jìn)系列(十一) 本文(1萬(wàn)字) | 引入RepVGG重參數(shù)化模塊 |-CSDN博客

YOLOv5改進(jìn)系列(十二) 本文(5000字) | 引入密集連接卷積網(wǎng)絡(luò)DenseNet思想 |-CSDN博客

YOLOv5系列(十三) 本文(7000字) | 引入用于低分辨率圖像和小物體的模塊SPD-Conv |-CSDN博客

YOLOv5改進(jìn)系列(十四) 本文(1.2萬(wàn)字) | 更換減輕模型的復(fù)雜度同時(shí)提升精度GSConv+Slim-neck |-CSDN博客

YOLOv5改進(jìn)系列(十五) 本文(6000字) | 頭部解耦 |更換YOLOX解耦頭 |-CSDN博客

YOLOv5改進(jìn)系列(十六) 本文(1.2萬(wàn)字) |引入FasterNet | PConv |backbone |-CSDN博客

YOLOv5改進(jìn)系列(十七) 本文(1.2萬(wàn)字) | 引入反向殘差注意力模塊iRMB |-CSDN博客

YOLOv5改進(jìn)系列(十八) 本文(1.2萬(wàn)字) | 引入STSViT |-CSDN博客

YOLOv5改進(jìn)系列(十九) 本文(1萬(wàn)字) | 引入動(dòng)態(tài)卷積OMNI |-CSDN博客

YOLOv5改進(jìn)系列(二十) 本文(5000字) | 引入選擇性注意力 LSK |-CSDN博客

YOLOv5改進(jìn)系列(二十一) 本文(5萬(wàn)字) | YOLOv5中插值 | 上采樣 | Upsample | UpsamplingBilinear2D | UpsamplingNearest2D |-CSDN博客

YOLOv5改進(jìn)系列(二十二) 本文(2萬(wàn)字) | 8種熱力圖可視化方式 | GradCAM | XGradCAM | ScoreCAM | LayerCAM | HiResCAM | 等 |-CSDN博客

YOLOv5改進(jìn)系列(二十三) 本文(1.2萬(wàn)字) | 更換動(dòng)態(tài)卷積之CondConv |-CSDN博客

YOLOv5改進(jìn)系列(二十四) 本文(3.5萬(wàn)字) | 在C3中添加12種注意力機(jī)制 | C3_SimAM | C3_CoT | C3_Double | C3_SK | C3_EffSE | 等 |-CSDN博客

5. YOLOv8及其改進(jìn)

YOLOv8及其改進(jìn)(一) 本文(5萬(wàn)字)共四部分 | 初探(簡(jiǎn)要介紹) | 再探(介紹-快速上手) | 原理解析(究其細(xì)節(jié)) | 實(shí)踐操作-CSDN博客

YOLOv8及其改進(jìn)(二) 本文(4.5萬(wàn)字) | 訓(xùn)練自建目標(biāo)檢測(cè)與圖像分割數(shù)據(jù)集 |-CSDN博客

YOLOv8及其改進(jìn)(三) 本文(5000字) | 解讀modules.py劃分成子文件 | 標(biāo)簽透明化與文字大小調(diào)節(jié) | 框粗細(xì)調(diào)節(jié) |-CSDN博客

YOLOv8及其改進(jìn)(四) 本文(3萬(wàn)字) | 使用 Timm 庫(kù)替換主干網(wǎng)絡(luò) |-CSDN博客

6. Python與PyTorch

Python與Pytorch系列(一) 本文(2萬(wàn)字) | 解析python中的pandas.read_csv() | pandas.read_json() | pandas.read_excel()-CSDN博客

Python與Pytorch系列(二) 本文(1.8萬(wàn)字) | 解析Opencv, Matplotlib, PIL | 三者之間的轉(zhuǎn)換 | 三者對(duì)JPG和PNG讀取和寫入 |-CSDN博客

Python與PyTorch系列(三) 本文(4.2萬(wàn)字) | 解讀Python中的裝飾器 | 復(fù)現(xiàn)各種裝飾器 | 給出眾多實(shí)用裝飾器 |-CSDN博客

Python與PyTorch系列(四) 本文(1萬(wàn)字) | 解析python中的魔術(shù)方法 |-CSDN博客

Python與PyTorch系列(五) 本文(5萬(wàn)字) | 解析PyTorch中Hook函數(shù) |-CSDN博客

Python與PyTorch系列(六) 本文(3萬(wàn)字) | 解讀文件格式 | XML | JSON |-CSDN博客

Python與PyTorch系列(七) 本文(8000字) | python常用庫(kù) | os | pathlib | time | logging | tree | 正則表達(dá)式-re | find |-CSDN博客

Python與PyTorch系列(八) 本文(3000字) | 解讀python中yield的用法 |-CSDN博客

Python與PyTorch系列(九) 本文(2萬(wàn)字) | 解讀Python中的解包 * 與 ** |-CSDN博客

Python與PyTorch系列(十) 本文(2500字) | 解讀plt.show與plt.imshow區(qū)別 | plt.imshow與cv2.imshow區(qū)別 |-CSDN博客

Python與PyTorch系列(十一) 本文(3萬(wàn)字) | 解析python中的 |iterable | iterator | generator|迭代器 | 可迭代對(duì)象 | 生成器 |-CSDN博客

Python與PyTorch系列(十一) 本文(3萬(wàn)字) | 解析python中的 |iterable | iterator | generator|迭代器 | 可迭代對(duì)象 | 生成器 |-CSDN博客

Python與PyTorch系列(十三) 本文(3萬(wàn)字) | 解讀Python中的 | random | enumerate | zip | map |-CSDN博客

7. 工具

Python與PyTorch系列(三) 本文(4.2萬(wàn)字) | 解讀Python中的裝飾器 | 復(fù)現(xiàn)各種裝飾器 | 給出眾多實(shí)用裝飾器 |-CSDN博客

工具系列(二) 本文(3萬(wàn)字) | 解讀在Windows下配置GPU環(huán)境(以YOLOv5為例) | 并使用Pytorch訓(xùn)練一個(gè)簡(jiǎn)單的圖像分類模型(GPU) |-CSDN博客

工具系列(三) 本文(1.5萬(wàn)字) | 解析glob.glob | os.walk |-CSDN博客

工具系列(四) 本文(5萬(wàn)字) | pytorch中使用tensorboard進(jìn)行可視化 | 可視化 | tensorboard |-CSDN博客

工具系列(五) 本文(1.8萬(wàn)字) | 解讀argparse模塊用法實(shí)例 |-CSDN博客

工具系列(六) 本文(2萬(wàn)字) | 解讀數(shù)據(jù)集 | PASCAL VOC2012 | MS COCO |-CSDN博客

工具系列(七) 本文(4萬(wàn)字) | Git入門教程 | 初始本地倉(cāng)庫(kù)-推送合并到遠(yuǎn)程倉(cāng)庫(kù) | 解讀VScode與PyCharm配置與使用git | CodeGeeX與Tabnine使用 |-CSDN博客

工具系列(八) 本文(3萬(wàn)字) | 解讀Seaborn可視化庫(kù) | 可視化 |-CSDN博客

工具系列(九) 本文(2萬(wàn)字) |在ubuntu中安裝docker教程 | 在Linux下Docker將鏡像導(dǎo)出 | 上傳至服務(wù)器 | 部署并創(chuàng)建容器 |-CSDN博客

8. 小知識(shí)點(diǎn)

小知識(shí)點(diǎn)系列(一) 本文(2.2萬(wàn)字) | 圖像變換 | 平移縮放旋轉(zhuǎn)翻錯(cuò)切 | 仿射變換與透視變換 | 代碼復(fù)現(xiàn) |-CSDN博客

小知識(shí)點(diǎn)系列(二) 本文(6萬(wàn)字) | 解讀數(shù)據(jù)增強(qiáng) Mosaic | MixUp | CutOut | CutMix |Random Erasing | HSV | Albumentation |-CSDN博客

小知識(shí)點(diǎn)系列(三) 本文(3萬(wàn)字) | PAN與代碼復(fù)現(xiàn) | Backbone之FPN與代碼復(fù)現(xiàn) | SPP / SPPF / SimSPPF / ASPP / RFB / SPPCSPC |-CSDN博客

小知識(shí)點(diǎn)系列(四) 本文(1萬(wàn)字) | 解析Bounding Box Regression | 邊界框回歸 |-CSDN博客

小知識(shí)點(diǎn)系列(五) 本文(5萬(wàn)字) | 解讀深度學(xué)習(xí)中的八種卷積 | pytorch中Conv1d、Conv2d，Conv3d | 空洞卷積 | 轉(zhuǎn)置卷積 | 深度可分離卷積 |-CSDN博客

小知識(shí)點(diǎn)系列(六) 本文(1.5萬(wàn)字) | 理解深度學(xué)習(xí)中計(jì)算量(FLOPs)和參數(shù)量(Params) | 四種計(jì)算方法總結(jié) |-CSDN博客

小知識(shí)點(diǎn)系列(七) 本文(2萬(wàn)字) | 解讀深度學(xué)習(xí)中模型大小與推理速度 |-CSDN博客

小知識(shí)點(diǎn)系列(八) 本文(1.5萬(wàn)字) | 解讀Batch Size對(duì)訓(xùn)練神經(jīng)網(wǎng)絡(luò)的影響 |-CSDN博客

小知識(shí)點(diǎn)系列(九) | 本文(2000字) | 解析歸納偏置 (Inductive Bias) |-CSDN博客

小知識(shí)點(diǎn)系列(十) 本文(1.2萬(wàn)字) | 解析PyTorch數(shù)據(jù)歸一化處理 |-CSDN博客

小知識(shí)點(diǎn)系列(十一) 本文(2萬(wàn)字) | BCELoss | BCEWithLogitsLoss | CrossEntropyLoss | Smooth L1 Loss | NLLLOSS |-CSDN博客

小知識(shí)點(diǎn)系列(十二) 本文(1.5萬(wàn)字) 解讀state_dict，load_state_dict，load，save | state_dict，parameters，named_parameter-CSDN博客

小知識(shí)點(diǎn)系列(十三) 本文(2萬(wàn)字) | 解讀 Normalization | Batch Normalization | Layer | Instance | Group | Weight |-CSDN博客

小知識(shí)點(diǎn)系列(十四) 本文(3萬(wàn)字) | 解深度解讀損失函數(shù) | CrossEntropy | BCE | BCEWithLogits | NLL |MSE | L1 |-CSDN博客

小知識(shí)點(diǎn)系列(十五) 本文(4.2萬(wàn)字) | 解讀NMS | Soft-NMS | IoU-Net | Softer-NMS | Adaptive NMS | DIoU NMS |-CSDN博客

小知識(shí)點(diǎn)系列(十六) 本文(3萬(wàn)字) | 解深度解讀PyTorch model的 | modules() |children() | named_children() | parameters() |-CSDN博客

小知識(shí)點(diǎn)系列(十七) 本文(1.5萬(wàn)字) | 解讀深度學(xué)習(xí)中 | Batch Size | Iterations | Epochs |-CSDN博客

小知識(shí)點(diǎn)系列(十八) 本文(3萬(wàn)字) | 解讀Pytorch優(yōu)化器機(jī)制 | Optimizer | 各類優(yōu)化器 | 各類學(xué)習(xí)率調(diào)整策略 |-CSDN博客

小知識(shí)點(diǎn)系列(十九) 本文(2萬(wàn)字) | 解讀利用pytorch可視化 | 特征圖 | 卷積核參數(shù) |-CSDN博客

小知識(shí)點(diǎn)系列(二十) 本文(2萬(wàn)字) | 解讀預(yù)訓(xùn)練 | 微調(diào) | 遷移 | 模型凍結(jié)與解凍 | 對(duì)比優(yōu)化器optimizer與requires_grad凍結(jié) | PyTorch斷點(diǎn)訓(xùn)練 |-CSDN博客

小知識(shí)點(diǎn)系列(二十一) 本文(3萬(wàn)字) | 解讀pycocotools的API | 標(biāo)檢測(cè)mAP的計(jì)算 | COCO的評(píng)價(jià)指標(biāo) |-CSDN博客

小知識(shí)點(diǎn)系列(二十二) 本文(4萬(wàn)字) | 解析cfg文件 | 讀取獲得網(wǎng)絡(luò)結(jié)構(gòu) |-CSDN博客

小知識(shí)點(diǎn)系列(二十三) 本文(2萬(wàn)字) | 解讀交并比 | IoU | GIoU | DIoU | CIoU | EIoU | WIOU | SIOU| αIOU |-CSDN博客

小知識(shí)點(diǎn)系列(二十四) 本文(4000字) | RGB顏色機(jī)制 | 深度學(xué)習(xí)圖像處理中，像素值越大意味著什么 | OpenCV 為什么使用 BGR 顏色格式 |-CSDN博客

9. 雜記

雜記(一) 本文(3萬(wàn)字) | Python總教程 | 包含Python基礎(chǔ)語(yǔ)法 | 精簡(jiǎn)具有系統(tǒng)性 |-CSDN博客

雜記(二) 本文(4萬(wàn)字) | 解讀Linux |-CSDN博客

雜記(三) 本文(2萬(wàn)字) | 徹底解決PyCharm運(yùn)行Jupyter .ipynb文件 | 多種方案 |-CSDN博客

雜記(四) 本文(800字) | 成功解決vscode為什么下載了漢化插件卻不生效 |-CSDN博客

雜記(五) 本文(1800詞) | 計(jì)算機(jī)編程相關(guān)英語(yǔ)詞匯(最新整理12.23) |-CSDN博客

雜記(六) 本文(3000字) | 解讀時(shí)間復(fù)雜度與空間復(fù)雜度 | 復(fù)雜度 |-CSDN博客

雜記(七) 本文(1萬(wàn)字) | 訓(xùn)練神經(jīng)網(wǎng)絡(luò)的秘訣(翻譯) |-CSDN博客

雜記(八) 本文(1萬(wàn)字) | Windows安裝CentOS 7(桌面版) |-CSDN博客

雜記(九) 本文(4000字) | 推薦免費(fèi)使用GPT-4的四種工具 |-CSDN博客

購(gòu)買指南：

第一步：[購(gòu)買點(diǎn)擊跳轉(zhuǎn)]

第二步：


?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡(jiǎn)書(shū)系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容