假如你有一份数据，有淘宝店铺的一些基本数据，比如店铺名称、发货地址、付款人数、评论数、商品价格、商品名称。由于爬取的数据较乱不能直接用于数据分析，所以要先进行数据清洗。数据如下大概如下：（关于如何爬取可以参考前面博文python爬取淘宝评论）加载数据import pandas as pdpro_data=pd.read_csv("taobaoproducts.csv",header=0)pro_d

当时是利用实现的，但是有很大缺陷，只能获取到一级的子模块的特征图输出，无法获取内部二级子模块的输出。今天补充另一种Pytorch官方实现好的特征提取方式，非常好用！

快速上手特征图的可视化

目标检测论文中出现过很多容易混淆的评价指标，比如，包括最基本的AP、mAP这些定义，索性将这些基本概念搞清楚，做个总结。

DETR训练VOC数据集

Faster RCNN的源码总结

DataFrame.dropna( axis=0, how=‘any’, thresh=None, subset=None, inplace=False)有五个参数，官方文档链接https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.dropna.html1.axis参数确定是否删除包含缺失值的行或列a

Pytorch有自带的训练好的AlexNet、VGG、ResNet等网络架构。可以看到，AlexNet有三个层，分别是features、avgpool、classifier。用model.features查看features层（也就是卷积层）的网络结构。**

说实话，我觉得有的博主做的不太对。刚刚刷到用DETR来进行预训练自己的数据，结果通篇没写清楚是如何训练自己的数据集的，文章结尾看到很多同学没有找到DETR的预测代码，这个博主把自己的代码放上来不就行了吗，非要私聊联系他，结果也不知道有没有回，看到这个真的很无语，写个博客能帮到别人不是很有意义的事吗？这里我分享一下官方写的DETR的训练代码，其实就是github上DETR官方写的一个Jupyter

快速上手特征图的可视化