Tensorflow—训练过程中学习率（learning_rate）的设定在深度学习中，如果训练想要训练，那么必须就要有学习率~它决定着学习参数更新的快慢。如下：上图是w参数的更新公式，其中α就是学习率，α过大或过小，都会导致参数更新的不够好，模型可能会陷入局部最优解或者是无法收敛等情况。一、学习率的类型上图列举了我们常用的5种学习率设置的方法~1.固定学习率optimizer = tf.trai

Tensorflow2.0—YOLO V4-tiny网络原理及代码解析（一）-特征提取网络先来看看YOLO V4-tiny的特征提取网络是长什么样子的。个人认为，大体的框架与YOLO V3的相似，只不过在里面加了3个tricks，让网络更加容易训练图片转载：https://blog.csdn.net/weixin_44791964/article/details/107302710一般来说，YOL

Tensorflow与cuda版本关系（附加多个cuda版本安装）多说一句如果，在网上down的代码用的tf的版本与你本机cuda不一致的话，可以在本机安装多个cuda版本，到时候再根据你自己的项目来选择使用哪个版本的cuda（就我本机win10为栗子）1.安装cuda，这一步在网上太多教程，随便找个就行（cuda安装教程（windows））2.一般来说，如果cuda默认安装，路径应该与我上面贴出

YOLO系列 --- YOLOV7算法（七）：YOLOV7算法总结

YOLO系列 --- YOLOV7算法（四）：YOLO V7算法网络结构解析

YOLO系列 --- YOLOV7算法（三）：YOLO V7算法train.py代码解析

YOLO V7算法detect.py代码解析

Tensorflow—softmax_cross_entropy_with_logits的用法研究人工智能，图像算法也有两三年了，也写过很多代码，但是每次研究dl算法的时候，肯定都会写一句：tf.nn.softmax_cross_entropy_with_logits(logits, labels, name=None)这其实就是损失函数的构建~今天花了点时间总结了下我对这个api的理解~~计算公

目标检测之IoU计算在研究目标检测中，IOU的计算是肯定必不可少的。就比如说在R-CNN网络中，正负样本就是按照候选框与真实框之间的IOU值大小进行区分的，可见该细节还是值得单独拎出来写一篇blog的~~下面的思路与代码是本人的理解结合百度飞浆的使用教程文档整理出来的（下面附上了飞浆的url，大家可以自主去研究~~~）百度飞浆–IOU计算废话不多说，直接上干货~思路分析例如，在R-CNN网络中，我

ERROR: Failed building wheel for pycocotools解决办法问题：在下载安装pycocotools时候出现一下问题：解决办法1.第一种方法：在终端中直接输入：pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI这个方法是在目前网上最常见的解决方法，但是