简介torchvision是pytorch的一个图形库，它服务于PyTorch深度学习框架的，主要用来构建计算机视觉模型。torchvision.transforms主要是用于常见的一些图形变换。以下是torchvision的构成：1.torchvision.datasets: 一些加载数据的函数及常用的数据集接口；2.torchvision.models: 包含常用的模型结构（含预训练模型），例

阅读指引1.medianBlur(中值滤波)2.boxFilter(方框滤波)3.GaussianBlur(高斯滤波)1.medianBlur(中值滤波)基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值，主要是利用中值不受分布序列极大值和极小值影响的特点，让周围的像素值接近真实的值从而消除孤立的噪声点。中值（又称中位数）是指将统计总体当中的各个变量值按大小顺序排列起来，形成一个数列，处于变

1.ghostnet简介Ghostnet是华为诺亚方舟实验室今年在CVPR2020上新发表的文章《GhostNet: More Features from Cheap Operations》中提出的一种新型的网络结构，他的核心思想就是设计一种分阶段的卷积计算模块，在少量的非线性的卷积得到的特征图基础上，在进行一次线性卷积，从而获取更多的特征图，而新的到的特征图，就被叫做之前特征图的‘ghost’，

1.COCO数据集COCO数据集是一个大型的、丰富的物体检测，分割和字幕数据集。这个数据集以scene understanding为目标，主要从复杂的日常场景中截取，图像中的目标通过精确的segmentation进行位置的标定。图像包括91类目标，328,000影像和2,500,000个label。目前为止有语义分割的最大数据集，提供的类别有80 类，有超过33 万张图片，其中20 万张有标注，整

1.问题描述nvidia-smi与nvcc -V指令且可用,如下:但是在/usr/local/文件夹下却没有cuda文件夹.2.问题由来通常我们在安装cudnn时,先进行安装cuda,然后下载cudnn文件,通过tar -xzvf cudnn-10.2-linux-x64-v7.6.5.32.tgz#命令解压文件，会得到一个cuda文件夹，逐一执行下面的命令进行cudnn的安装sudo cp cu

1.本文资源论文链接：https://arxiv.org/pdf/1904.01355.pdf开源代码链接：https://github.com/tianzhi0549/FCOS2.动机anchor-base缺点用anchor的框架对于anchor的尺寸非常敏感，anchor的尺寸会影响检测的performance。anchor尺寸的固定导致了对网络对特殊形状的物体鲁棒性较差，如果物体的尺寸变化很

前言本文主要分为两部分：第一部分大致的介绍了VGG原理第二部分详细的介绍了如何用pytorch实现VGG模型训练自己的数据集实现图像分类想只看代码部分的同学，可以直接看第二部分内容一：VGG原理简介1.VGG主要工作2014年的论文，主要工作是证明了增加网络的深度能够在一定程度上影响网络最终的性能。VGG有两种结构，VGG16和VGG19，两者并没有本质上的区别，只是网络深度不一样。论文地址：VG

1.宏定义首先来说CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F，都是opencv定义的数据类型。具体定义如下#define CV_8S1#define CV_16U2#define CV_16S3#define CV_32S4#define CV_32F5#define CV_64F6#define CV_16F7#define CV_8UC1 CV_MAKETY

c++基础数据类型首先来看一张c++基础数据类型的列表下表显示了各种变量类型在内存中存储值时需要占用的内存，以及该类型的变量所能存储的最大值和最小值。注意：不同系统会有所差异，一字节为 8 位。注意：long int 8 个字节，int 都是 4 个字节，早期的 C 编译器定义了 long int 占用 4 个字节，int 占用 2 个字节，新版的 C/C++ 标准兼容了早期的这一设定。详解：菜鸟

1.首先查看 cuda 与 cudnn 是否正确安装#查看cuda安装信息nvcc -V返回信息即是安装成功cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2查看cudnn版本2.激活python环境shell 输入python3.验证torch与tensorflow是否安装成功依次键入import torchtorch.cuda