在神经网络中，尤其是CV领域，一般先对图像进行特征提取（常见的有vgg net，resnet，谷歌的inception），这一部分是整个CV任务的根基，因为后续的下游任务都是基于提取出来的图像特征去做文章（比如分类、生成等）。主干网络，用来做特征提取的网络，代表网络的一部分，一般用于前端提取图片信息，生成特征图feature map，供后面的网络使用。通常用VGG或者Resnet，因为这些back

torch.nn.parameter是一个被用作神经网络模块参数的tensor。这是一种tensor的子类。parameters是张量的子类，当与模块s一起使用时，它们有一个非常特殊的属性——当它们被重新分配为模块属性时，它们会自动地添加到它的参数列表中，并且会出现在Parameters()迭代器中。分配一个张量没有这样的效果。这是因为可能希望在模型中缓存一些临时状态，比如RNN的最后一个隐藏状态

网络建议：cannot import name ‘_registerMatType‘ 错误_weixin_42037607的博客-CSDN博客cannot import name '_registerMatType’错误，是因为同时安装了opencv-python和opencv-contrib-python 版本之间不匹配造成的，删除opencv-contrib-python后opencv-pyt

1 epoch当一个完整的数据集通过神经网络一次并且返回一次的过程称为一个epoch。 然而，当一个epoch对于计算机太过庞大时，就需要把它分成多个小块。2 batch在不能将数据一次性通过神经网络的适合，就需要将数据集分成几个batch。3 batch_size直观的理解 一个batch中的样本总数（一次训练所选取的样本数）。batch_size的大小影响模型的优化程度和速度。同时其直接影响到

在跑代码的过程中，遇到了这个问题，然后参考《南溪的目标检测学习笔记》——训练PyTorch模型遇到显存不足的情况怎么办(“OOM: CUDA out of memory“)_墨门-CSDN博客减小batch_size的数量最小的数量可以设置为2；本文目的：修改batch_size，在哪修改batch_size呢?在train.py文件下，参数设置：很奇怪？电脑的GPU是6G，为啥连4都跑不了？如何

使用Image.crop()方法对图片进行切割。参数：Image.crop(left, up, right, below)left：与左边界的距离up：与上边界的距离right：还是与左边界的距离below：还是与上边界的距离简而言之就是，左上右下。例子：将一张花图片切分成9张（3*3）图片：from PIL import Imagefilename = r'F:\研二\壁纸\花.jfif'img

一.下载首先我们要下载Visual Studio，Visual Studio 2019官方正式版下载地址：http://www.pc6.com/softview/SoftView_263.html二.安装打开后点击继续，进入文件的提取待提取完成后就进入如下界面如果是用于C语言或者C++的编写请选择红框中一项，这将占据约6G左右的内存，请确保你的电脑有足够的内存空间，然...

torchvison:计算机视觉工具包包含torchvison.transforms(常用的图像预处理方法)；torchvision.datasets(常用数据集的dataset实现，MNIST,CIFAR-10,ImageNet等)；torchvison.model(常用的模型预训练，AlexNet,VGG,ResNet,GoogleNet等)。torchvision.transforms常用的

1 epoch当一个完整的数据集通过神经网络一次并且返回一次的过程称为一个epoch。 然而，当一个epoch对于计算机太过庞大时，就需要把它分成多个小块。2 batch在不能将数据一次性通过神经网络的适合，就需要将数据集分成几个batch。3 batch_size直观的理解 一个batch中的样本总数（一次训练所选取的样本数）。batch_size的大小影响模型的优化程度和速度。同时其直接影响到

参考文献：AutoDL帮助文档Pycharm连接远程GPU服务器跑深度学习_哔哩哔哩_bilibili安装包在linux环境下载非常方便！！详解Apex的安装和使用教程_花开山岗红艳艳的博客-CSDN博客_apex安装