模型压缩（二）yolov5剪枝
yolov5剪枝
CUDA11.3以及PyTorch-GPU版本安装
CUDA11.3以及PyTorch-GPU版本安装笔记
yolov5——detect.py代码【注释、详解、使用教程】
yolov5——detect.py代码【注释、详解、使用教程】根据目前的最新版本的yolov5代码做出注释和详解以及使用教程，对了目前已经是v6,不知道你看博客的时候是什么版本呢，总的来说越来越先进越来越完善，越来越适合无脑啊哈哈哈，没你说哈IIIIdetect.py代码注释详解1. 函数parse
Swin Transformer做backbone的YoloX目标检测
使用Swin Transformer做骨干网络进行YoloX目标检测
【目标检测算法】YOLO-V5训练结果的分析与评价
详细介绍了YOLOv5输出结果的分析与指标对模型的评价。
深入浅出 Yolo 系列之 Yolov7 基础网络结构详解
从 2015 年的 ** YOLOV1，2016 年 YOLOV2，2018 年的 YOLOV73，到 **2020 年的 YOLOV4、 YOLOV5， 以及最近出现的 ** YOLOV76** 和 ** YOLOV7** 可以说 YOLO 系列见证了深度学习时代目标检测的演化。对于
目标检测---教你利用yolov5训练自己的目标检测模型
1项目的克隆和必要的环境依赖1.1项目的克隆 YOLOv5的代码是开源的，因此我们可以从github上克隆其源码。不得不说GitHub的确是全球最大的男性交友网站，里面的人个个都是人才，yolov5发布才一年左右的时间，YOLOv5就已经更新了5个分支了，分别是yolov5.1-yolov5.5分支
【魔改YOLOv5-6.x（上）】结合轻量化网络Shufflenetv2、Mobilenetv3和Ghostnet
文章目录前言一、Shufflenetv2论文简介模型概述加入YOLOv5二、Mobilenetv3论文简介模型概述深度可分离卷积逆残差结构SE通道注意力h-swish激活函数加入YOLOv5三、Ghostnet论文简介模型概述加入YOLOv5References前言本文使用的YOLOv5版本为v6.
为机器学习模型设置最佳阈值：0.5是二元分类的最佳阈值吗
在本文中，我将展示如何从二元分类器中选择最佳阈值。
SegNeXt: 重新思考基于卷积注意力的语义分割
重新设计基于CNN的语义分割，超越Transformer。
要点初见：开源AI绘画工具Stable Diffusion代码分析（文本转图像）、论文介绍（上）
本文深入分析Stable Diffusion所对应的论文High-Resolution Image Synthesis with Latent Diffusion Models，即《具有潜在扩散模型的高分辨率图像合成》，并深入Stable Diffusion项目代码，分析文本转图像部分的代码。
在本地PC运行 Stable Diffusion 2.0
这里我们将介绍如何在本地PC上尝试新版本
粒子群算法(PSO)优化的BP神经网络预测
BP神经网络是一种常见的多层前馈神经网络，本文通过粒子群算法(PSO)对BP神经网络的网络参数进行寻优，得到最优化的网络参数，并与未使用PSO的BP网络对同一测试样本进行预测，对比分析并突出PSO-BP的优越性。
从头开始进行CUDA编程：原子指令和互斥锁
本文是本系列的最后一部分，我们将讨论原子指令，它将允许我们从多个线程中安全地操作同一内存。我们还将学习如何利用这些操作来创建互斥锁
【深度学习】如果我年少有为，会垃圾分类
记录了当前模型的情况分析；学习了图像预处理操作。
MSE = Bias² + Variance?什么是“好的”统计估计器
本文的目的并不是要证明这个公式，而是将他作为一个入口，让你了解统计学家如何以及为什么这样构建公式，以及我们如何判断是什么使某些估算器比其他估算器更好。
YOLO系列目标检测算法-YOLOv6
YOLO系列文章之YOLOv6。本文通过分析以往YOLO系列算法和最新技术，观察到几处需完善的地方，通过对网络设计、标签分配、损失函数、数据增强、工业便利化改进、量化和部署等进行修改，设计了EfficientRep、SCPStackRep Block、Rep-PAN、decoupled head等结
【目标检测】英雄联盟能用YOLOv5实时目标检测了 支持onnx推理
dcmyolo（dreams create miracles），中文：大聪明目标检测工具包。该项目基于pytorch搭建，构建的目的是提供一个拥有更好性能的 YOLO版本，同时拥有丰富的中文教程和源码细节解读，提供算法工具箱，给出不同体量模型的实验数据，为算法落地带来便利。项目本着方便开发者的目的，
深度学习修炼（五）——基于pytorch神经网络模型进行气温预测
基于pytorch神经网络模型进行气温预测
pytorch深度学习实战lesson26
Googlenet的好处，以及实现方法。
