主要是MultiScaleDeformableAttention包，如果中途换了torch版本，需要重新编译cuda，得到一个新的这个包，不然报错。下载链接：https://download.csdn.net/download/u010826850/21980492。deformable-detr 也是需要一个背景类，num_class+1。python test.py （我没运行这一步）r50上

采用多个小的卷积核进行堆叠，得到的感受野大小相同，这可以去替代一个大的卷积核，可以节省网络的训练参数的个数。如果是基于迁移学习的方式使用再训练的话，则就要减去这三个值。因为预训练的模型是基于ImageNet训练的。模型比较大，但是这里的flowers数据集比较小，没法充分训练，这里不运行了。但此处的网络没有这么操作，因为是从头开始训练的。跟之前的AlexNet网络的预测过程是一样的。其余的跟Ale

若一个 GT 有多个预测边框，则认为 IOU 最大且大于等于 0.5 的预测框标记为 TP，其他的标记为 FP，即一个 GT 只能有一个预测框标记为 TP。FN就是 把检测对象检测为背景的 那些检测框 的数量，也就是一些被检测错误（F）为负样本（N）的样本，它们本来应该被检测为正样本。因为预测的两个边界框预测的目标都是第一只猫，所以ID都是1，预测给出的数值是置信度，不是IOU，IOU是预测框与真

transform 主要是对input图像进行变换（统一尺寸、对图像中的数据进行类的转换）TensorBoard，虽然他是TensorFlow 的一部分，但是可以独立安装，并且服务于Pytorch等其他的框架。安装tensorboard但是这里tensorboard版本太低了，以下方法解决↓在pip list查看将tensorboard的事件文件放在logs文件夹里面。

up在yolo3代码的基础上进行修改，并简化了训练过程（移除了一些效果不大的trick）原作者文档中写了如何去训练自己的数据集：1.首先将数据标注成Darknet format（yolo格式）每个txt文件就对应一张图片的信息，每一行表示一个目标。第一个数字：目标索引（如0：人类）后四个数字：目标边界框的相对坐标2.创建txt文件：train.txt文件和test.txt文件。txt文件中存储的是

假设这个train文件夹里面只有ants_image和bees_image。用图片名字命名txt文件，内容是这个图片的分类。可以看到这段代码成功地从数据集里面取出了图片。只以ant为例，bee的就是把这个改改。因为图片太多了，所以用代码自动添加。

师兄说学目标检测之前先学分类坏了，内容好多！学学学感谢up主，好人一生平安什么是混淆矩阵：横坐标：每一列属于该类的所有验证样本。每一列所有元素对应真实类别。纵坐标：网络的预测类别。每一行对应预测结果属于该类的所有样本。对角线：预测正确的样本个数。预测值在对角线上分布的越密集，模型的性能就越好。还能通过混淆矩阵看到这个网络对哪些类别更容易分类出错。混淆矩阵的指标：精确率precision不等于准确率

先略，等我听懂之后再写参考pytorch样例。

主要是MultiScaleDeformableAttention包，如果中途换了torch版本，需要重新编译cuda，得到一个新的这个包，不然报错。下载链接：https://download.csdn.net/download/u010826850/21980492。deformable-detr 也是需要一个背景类，num_class+1。python test.py （我没运行这一步）r50上

目标检测和图像分割挺像。有人把这两个结合，做出了不错的效果。pytorch.org 但是中文文档版本比较老所需环境。