根据搭建好的基础环境启动第一个模型训练，并对训练好的模型进行评估。通过本篇博客的学习，您将掌握mmdetection训练过程中：a. 数据集的准备;b. 配置文件内容的修改;c. 单卡/多卡训练;d. 训练过程中日志输出解析;e. 训练精度可视化。走通模型训练、验证、测试的整个流程

使用vscode作为IDE远程连接服务器中的docker容器，实现代码调试。

本文介绍FasterNet（CVPR2023, 由香港科技大学出品），一种基于部分卷积网络PConv的新网络，模型的动机在于减少计算冗余和内存访问提升更快的速度同时，保持更高的精度。PConv通过仅对特征中的部分通道应用常规卷积，有效地降低了FLOPs，提高了计算效率。实验结果显示，FasterNet在GPU、CPU和ARM处理器上均表现出优于MobileViT的性能，同时保持了高精度。

使用vscode作为IDE远程连接服务器中的docker容器，实现代码调试。

本文介绍FasterNet（CVPR2023, 由香港科技大学出品），一种基于部分卷积网络PConv的新网络，模型的动机在于减少计算冗余和内存访问提升更快的速度同时，保持更高的精度。PConv通过仅对特征中的部分通道应用常规卷积，有效地降低了FLOPs，提高了计算效率。实验结果显示，FasterNet在GPU、CPU和ARM处理器上均表现出优于MobileViT的性能，同时保持了高精度。