在上述的部署中我们发现一个很大的缺陷就是如果项目修改之后要重新部署的话十分麻烦，必须得先把打包文件上传到服务器，再从服务器上传到容器中，而且如果要修改配置的话也得先进入服务器再从服务器进入到容器中修改，那是否有更加简单的方法呢，答案是肯定的，有！使用docker-compose部署的好处就是他将原本要传入容器的dist文件和要在容器中修改的配置文件挂在了外面，这样就可以不用进入容器操作了。先将di

**课程代码素材**main.js中的代码import Vue from 'vue'import App from './App.vue'//1、导入ant-design-vue 组件库import Antd from 'ant-design-vue'//2、导入组件库的样式表import 'ant-design-vue/dist/antd.css'Vue.config.productionTip

搭建简单的CNN网络模型进行预训练，验证，和预测（准确率不高，单纯记录下模型搭建，训练，验证，预测整套流程）以下三个python文件都在同一级目录下model.pyimport torchfrom torch import nn# 搭建神经网络class Mymodel(nn.Module):def __init__(self):super(Mymodel, self).__init__()sel

代码】pycharm中创建http文件测试接口。

写在前面：关于yolov5的调试运行在这里不做过多赘述，有关yolov5的调试运行请看：本文章主要讲解的是裁剪。需求：识别图片中的人物并将其裁剪出来如果只需识别人物的话，那么只需在yolov5中设定参数即可，例如使用命令行运行时：即为将参数设置为只识别人。此外需要将检测到的目标裁剪出来还需要目标的中心点坐标以及目标的宽高，因此需要保存目标的信息。实现人物检测并保存检测到的目标信息，运行命令为：在保

原因分析：在卷积的时候接收到了无效的参数，所以要么就是输入的参数有问题，要么就是卷积层有问题，但是这里的mymodel我用的是pytorch中自带的resnet50所以卷积层肯定是没有问题的，所以问题就定位在我输入图片的格式，因为我在训练的时候是没有报错的，所以我只需要保证我在做预测的时候输入图片的格式和我训练的时候输入的图片格式是一样的就可以了，然后我把做预测的时候的图片img_item的sha

*写在后面：**上诉自定义数据集中方法有很多，最重要的就是要把图片转成tensor，还有就是要做resize不然会报错，其次是关于label的问题，在此处因为只有两个分类所以我就简单做了一下判断给label赋了值，如果label较多的话可以用csv文件的形式去读取图片与其对应的label。

一、全局安装vue-cliwin+r输入cmd打开命令窗口输入二、cd到需要存放项目的目录三、使用命令创建其中vue_test为项目名称四、选择vue的版本上下箭头选择后，回车即可五、关闭语法检查①添加vue.config.js名字不能有错,放置的位置也不能有错②vue.config.js中的内容配置完成后即可使用命令启动vue项目了...

**课程代码素材**main.js中的代码import Vue from 'vue'import App from './App.vue'//1、导入ant-design-vue 组件库import Antd from 'ant-design-vue'//2、导入组件库的样式表import 'ant-design-vue/dist/antd.css'Vue.config.productionTip

写在前面：关于yolov5的调试运行在这里不做过多赘述，有关yolov5的调试运行请看：本文章主要讲解的是裁剪。需求：识别图片中的人物并将其裁剪出来如果只需识别人物的话，那么只需在yolov5中设定参数即可，例如使用命令行运行时：即为将参数设置为只识别人。此外需要将检测到的目标裁剪出来还需要目标的中心点坐标以及目标的宽高，因此需要保存目标的信息。实现人物检测并保存检测到的目标信息，运行命令为：在保