1 安装AnacondaAnaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。先去官方地址https://www.anaconda.com/products/individual?modal=commercial#Downloads下载对应版本的然后打开下载文件的位置，运行 .sh 文件

1 文件权限介绍当我们在终端中输入ls-lh命令时，会出现如下界面上面的每一列都代表什么意思呢？下面我来详细分析一下：下面我们着重介绍文件权限的详细信息：2 文件权限修改命令2.1. chmod命令的介绍chmod修改文件权限有两种方式:字母法数字法2.2 chmod 字母法的使用格式：chmod u/g/o/a+/-/=rwx 文件名角色说明:chmod命令字母法应用举例:如下图所示，桌面上的文

ninja: error: manifest 'build.ninja' still dirty after 100 tries

卷积层是卷积神经网络中的核心模块，**卷积层的目的是提取输入特征图的特征，**如下图所示，卷积核可以提取图像中的边缘信息。卷积也成为过滤器，即Filter。

目标检测方法常常使用先验框提高预测性能，一张图像可能生成成千上万的先验框，但是其中只有很少一部分能匹配到目标(正样本)，而没有匹配到目标的先验框占大多数。这种情况造成了One-Stage目标检测方法的正负样本不平衡。如下图所示，红色的先验框都没有匹配到目标，所以它们都属于负样本，只是图中间的黄色先验框匹配到目标，所以它们是正样本。显然，这里的正负样本严重失衡。而对于two stage模型，比如Fa

1 前言在深度学习领域，CNN分类网络的发展对其它计算机视觉任务如目标检测和语义分割都起到至关重要的作用，因为检测和分割模型通常是构建在CNN分类网络（称为backbone）之上。提到CNN分类网络，我们所熟知的是VGG，ResNet，Inception，DenseNet等模型，它们的效果已经被充分验证，而且被广泛应用在各类计算机视觉任务上。这里我们介绍一篇CVPR2017的文章SENet，它赢得

如果出现下面标志，说明ubuntu系统无法正常连接网络解决办法：第一步：第二步第三步第四步重启一下，既可以正常连接网络了

error: command ‘C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin\nvcc.exe’ failed with exit status 1我在windows10下安装detectron2（最新版maskRCNN）时，遇到了错误信息：error: command ‘C:\Program Files\NVIDIA G

1 torchstat：查看模型的大小和浮动运算量安装工具pip install torchstat使用例子import torchimport torch.nn as nnfrom torchstat import statclass Net(nn.Module):def __init__(self):super(Net, self).__init__()self.layer1 = nn.Seq

1 FCN网络介绍FCN（Fully Convolutional Networks，全卷积网络） 用于图像语义分割，它是首个端对端的针对像素级预测的全卷积网络，自从该网络提出后，就成为语义分割的基本框架，后续算法基本都是在该网络框架中改进而来。对于一般的分类CNN网络，如VGG和Resnet，都会在网络的最后加入一些全连接层，经过softmax后就可以获得类别概率信息。但是这个概率只能标识整个图片