早些年很多深度学习的研究人员还在做着调参、炼丹的工作，随着深度卷积神经网络发展到现在，调参的工作渐渐地不被看重，甚至出现了很多自动调参的工具。本文就深度学习中经常使用的损失函数、优化器、学习率迭代策略等进行介绍。一、损失函数损失函数是指用于计算标签值和预测值之间差异的函数，对于不同的任务，使用的损失函数也不相同，在目标检测等领域，损失函数往往需要自己定义。1、L1 LossL1Loss 计算的是预

一、introduction回顾近几年来卷积神经网络的发展历史，我们必须要提到AlexNet卷积神经网络。这是Alex在2012年提出来的神经网络模型，赢得了当年的图像识别大赛冠军，首次证明了通过网络学习到的特征可以超越手工设计的特征，同时也奠定了CNN在处理图像分类任务上的地位。二、网络结构网上比较流行的网络结构如上图所示，由于当年计算能力的不足，AlexNet网络在训练时使用了两块GPU同时进

早些年很多深度学习的研究人员还在做着调参、炼丹的工作，随着深度卷积神经网络发展到现在，调参的工作渐渐地不被看重，甚至出现了很多自动调参的工具。本文就深度学习中经常使用的损失函数、优化器、学习率迭代策略等进行介绍。一、损失函数损失函数是指用于计算标签值和预测值之间差异的函数，对于不同的任务，使用的损失函数也不相同，在目标检测等领域，损失函数往往需要自己定义。1、L1 LossL1Loss 计算的是预

yaml配置文件和argparse应该是深度学习研究人员要掌握的最基础的技能了~一、YAML配置文件yaml文件是一种配置文件，我最早接触它是在学习yolov5的官方代码的时候。虽然之前没有怎么接触过ini、conf和py等配置文件，但是使用过yaml之后发现是真的方便，所以来总结一下yaml文件读写相关的操作。官方文档1、基本用法yaml文件并不是python自带的，需要通过pip instal

最近在学习yolov5的代码（因为项目需要），其实陆陆续续接触yolov5已经半年左右了，用yolov5也跑过了自己的数据集，但是一直没有上手对代码进行修改，主要还是因为用到了很多工程性的技术和代码，之前做科研的时候没有接触到，改代码方式如果不正确会引发很多BUG。我们就先从yolov5的网络结构开始讲起吧~一、Focus层Focus层的代码如下：class Focus(nn.Module):#

一、概述在近几年人群计数领域的研究中，大多数论文都沿用了MCNN（ Multi-column Convolutional Neural Network ）中提出的生成密度图的方法，本文将通过代码和CSRNet网络中生成密度图的实例来详细讲解该方法。二、生成密度图在进行人群计数的研究时，数据集通常由原始图片和标注文件共同构成，本文使用的数据集是shanghaiTech，该数据集包含了part_A_f