Kivy介绍能够全平台开发App，支持windows，macos，linux，安卓等等Kivy安装参考python编程（Kivy 安装及使用教程）python -m pip install docutils pygments pypiwin32 kivy.deps.sdl2 kivy.deps.glewpython -m pip install kivy.deps.gstreamerpython

问题简述：数据集为几百类、平均每类几百张，图像分辨率小于100x100，长尾分布-有参数量和运算量限制手工设计模型。一、轻量级模块1、mobilenet v2 （逆残差模块）参考：https://blog.csdn.net/u011974639/article/details/79199588参考：https://blog.csdn.net/weixin_44474718/article/deta

python random 随机性种子

参考：https://blog.csdn.net/laizi_laizi/article/details/110444884本文路径说明：本文pytracking的代码路径为：/home/zjj/workspace/pytracking_project_0/pytracking本文conda下pytracking环境的路径为：/home/zjj/miniconda3/envs/pytracking

分为编译时的查找顺序和执行时的查找顺序编译时的查找顺序由 torch/utils/cpp_extension.py的_find_cuda_home()决定。执行的查找顺序由动态库的搜索路径决定

一、发展历史：二、从上向下的理解Transformer1、Transformer整体结构简单介绍2、Transformer中的Self-attention3、Transformer整体结构详细介绍5、Transformer的compress与accelerate三、用Transformer解决计算机视觉问题1、iGPT（简介）## 2、ViT（简介）3、DETR（详解）4、Deformable D

目录主要参考一、CUDA/cudnn/CUDA Toolkit/NVCC区别简介二、CUDA Toolkit具体组成三、NVCC简介四、版本管理1、pytorch运行时的CUDA版本（1）查看cuda 运行版本 和 编译时的版本（2）pytorch寻找可用CUDA的过程：2、nvidia-smi和nvcc显示的CUDA版本3、conda下看到的cudatoolkit版本主要参考显卡，显卡驱动,nv

目录主要参考一、CUDA/cudnn/CUDA Toolkit/NVCC区别简介二、CUDA Toolkit具体组成三、NVCC简介四、版本管理1、pytorch运行时的CUDA版本（1）查看cuda 运行版本 和 编译时的版本（2）pytorch寻找可用CUDA的过程：2、nvidia-smi和nvcc显示的CUDA版本3、conda下看到的cudatoolkit版本主要参考显卡，显卡驱动,nv