计算模型的FLOPs及参数大小FLOPS是处理器性能的衡量指标，是“每秒所执行的浮点运算次数”的缩写。FLOPs是算法复杂度的衡量指标，是“浮点运算次数”的缩写，s代表的是复数。一般使用thop库来计算，GitHub：但官网的Readme中详细写出了是用来计算MACs，而不是FLOPs的MACs（Multiply-Accumulates）和 FLOPs（Floating-Point Operati

运行时错误：0 内部断言失败在“/pytorch/torch/csrc/jit/ir/alias_analysis.cpp”：532，请向 PyTorch 报告错误。没有 aten::normal 的操作，但这不是一个特例。参数类型：张量、浮点数、浮点数、None。原始代码中需要生成一个和输入相同的均值为0，方差为1的标准正态分布，使用了normal_()替换为下面这句，能达到同样的功能。

计算模型的FLOPs及参数大小FLOPS是处理器性能的衡量指标，是“每秒所执行的浮点运算次数”的缩写。FLOPs是算法复杂度的衡量指标，是“浮点运算次数”的缩写，s代表的是复数。一般使用thop库来计算，GitHub：但官网的Readme中详细写出了是用来计算MACs，而不是FLOPs的MACs（Multiply-Accumulates）和 FLOPs（Floating-Point Operati

计算模型的FLOPs及参数大小FLOPS是处理器性能的衡量指标，是“每秒所执行的浮点运算次数”的缩写。FLOPs是算法复杂度的衡量指标，是“浮点运算次数”的缩写，s代表的是复数。一般使用thop库来计算，GitHub：但官网的Readme中详细写出了是用来计算MACs，而不是FLOPs的MACs（Multiply-Accumulates）和 FLOPs（Floating-Point Operati

把device默认改为‘cpu’如果显卡是1660，

提示：AttributeError: module ‘onnxruntime’ has no attribute ‘InferenceSession’起因： 测试yolov5在本地电脑上的速度，输入640*640的图像，推理时间需要100ms左右，不正常。切换到conda环境下，发现安装了onnxruntime 以及onnxruntime-gpu。需要把onnxruntime-gpu卸载掉。运行发

darknet detector validdata/obj.data yolov4.cfg backup/yolov4_last.weightspython reval_voc_py3.py --voc_dir D:\github\darknet\scripts\VOCdevkit --year 2020 --image_set test --classes data/obj.names don