深度学习图像识别，可直接运行，操作简单。深度学习主要由：数据读取、网络模型、损失函数、优化器这四个部分构成最开始不应该纠结于这些细节，应该先让代码跑起来再去研究代码是怎么写的下面的代码只是训练部分的代码，并加上验证模型准确率的功能。......

include "opencv2/opencv.hpp"的时候在vscode里面会显示没有这个头文件，导致运行不了。方法1.鼠标放到红色波浪线位置，会有一个快速修复，点开之后将OpenCV的路径添加进去。如果是使用云服务器的话，由于图形界面的问题，使用cv::show来显示图片会报错。注：这里需要安装gflags，

python+opencv实现任意旋转图片角度

通常是model = model.to(cuda)就好了但由于搭建模型的时候，forward函数的代码直接调用这个类外部的函数，如图所示：在这里直接调用了外部的函数， 这个函数里面有torch.nn.Conv2d等所以会导致在将模型加载到GPU的时候，无法将这些外部的函数也加载到GPU上所以在一个类的forward函数里面尽量不要使用外部的函数，而是调用这个类本身的函数，或者是在初始化的时候，定义

解决方法：标注完多边形之后，点击界面右上角的重新识别，然后重启软件。再打开就会发现标注变多了，然后将自己开始标注的删掉，只留下重新识别后生成的标注。比如下面这张图，多边形标注完之后，再导出识别结果，在crop_img文件夹里面却没有。可以发现重新生成的标注都是矩形或斜矩形，这时候再导出识别结果就会在crop_img里面存图了。1.默认读图方式是cv2.imread()，不支持中文路径，所以标注的文

YOLOv5 启用focal loss

import torchx = torch.arange(24).view(2,3,4).float()print(x)

通常是model = model.to(cuda)就好了但由于搭建模型的时候，forward函数的代码直接调用这个类外部的函数，如图所示：在这里直接调用了外部的函数， 这个函数里面有torch.nn.Conv2d等所以会导致在将模型加载到GPU的时候，无法将这些外部的函数也加载到GPU上所以在一个类的forward函数里面尽量不要使用外部的函数，而是调用这个类本身的函数，或者是在初始化的时候，定义

1.在pytorch中，创建好一个模型之后，需要将模型放入cuda才能调用GPU来进行训练。model.to(device)2.在

这是numpy版本与tensorflow版本不兼容导致的tensorflow2.2+ numpy1.19.2表示没问题。