目录1. 显卡驱动2.cuda3.cudnn4.pytorch简单的关系如下图：1. 显卡驱动显卡驱动是电脑上服务于显卡的驱动程序，有了显卡驱动显卡的功能才能被最大化利用！显卡驱动的作用就是用来驱动显卡的，这是电脑硬件中所对应的一个软件。通过添加驱动程序计算机中的硬件就能正常的工作，当然不同的硬件使用的驱动程序也不一样。显卡对应的就是显卡驱动。显卡在电脑中提供图形的重要显示部分，直接关系到电脑的图

必备知识：.o文件：是表示的静态库.a文件：是.o文件的集合（.a 是有一系列 .o 文件通过 ar 程序打包在一起的静态库，要把它转成动态库只需先解开，生成一堆 .o 文件。）.so文件：是表示的动态库首先1.g++ -c -fPIC test.cpp#将cpp源文件编译为.o文件ar x libGuideUSBCamera.a#将.a库解包，将里面的.o文件全部解出来ar crU libGui

问题：一般当成功安装好tensorflow后，会有如下提示：但是，当你进入python界面对tensorflow版本进行验证时还会出现：“no moudle named tensorflow”，这是哪里的问题呢？明明已经安装好了？原因：1.tensorflow版本和cuda版本不匹配！———大部分都是这个原因官方匹配链接：在 Windows 环境中从源代码构建 | TensorFlow (goog

labelimg的安装首先激活相应的环境conda activate ***然后安装：pip install labelimglabelimg的使用labelimg首先将标签位置确定了，不然会出现意想不到的错误小技巧：可以将view下边的auto save mode 打开，这样就可以直接边标注变保存常用快捷键注释：Ctrl + u 加载目录中的所有图像，鼠标点击Open dir同功能 Ctrl +

背景：为了增强语义性，传统的物体检测模型通常只在深度卷积网络的最后一个特征图上进行后续操作，而这一层对应的下采样率（图像缩小的倍数）通常又比较大，如16、32，造成小物体在特征图上的有效信息较少，小物体的检测性能会急剧下降，这个问题也被称为多尺度问题。 ​ 解决多尺度问题的关键在于如何提取多尺度的特征。传统的方法有图像金字塔（Image Pyramid），主要思路是将输入图片做成多个尺度，不同尺度

绝对路径：```python'E:\\桌面\\PCA-master\\testSet.txt'```相对路径:```python'/Users/hakuri/Desktop/testSet.txt'```# from . import,“.” 代表使用相对路径导入，即从当前项目中寻找需要导入的包或函数

目录文章核心：1.效果图及视频展示2.背景3.安装PaddlePaddle4.预训练模型的下载比如yolov3在coco和voc数据集上的预训练模型和权重列表如下：4.模型导出（python端）5.模型预测1.图片预测2.视频预测，帧率在10左右3.文件夹下图片预测当然也可以自己进行训练，相应的指令为：安装过程中遇到的其他问题：全部源码均在PaddleDetection的官方Github上，地址如

利用python对大量图片进行重命名# -*- coding:utf8 -*-import osclass BatchRename():'''批量重命名文件夹中的图片文件'''def __init__(self):self.path = 'D:\yolov4\yolov4-pytorch-master\VOCdevkit\VOC2007\demo'#表示需要命名处理的文件夹def rename(s

预训练模型预训练模型把迁移学习很好地用起来了，让我们感到眼前一亮。这和小孩子读书一样，一开始语文、数学、化学都学，读书、网上游戏等，在脑子里积攒了很多。当他学习计算机时，实际上把他以前学到的所有知识都带进去了。如果他以前没上过中学，没上过小学，突然学计算机就不懂这里有什么道理。这和我们预训练模型一样，预训练模型就意味着把人类的语言知识，先学了一个东西，然后再代入到某个具体任务，就顺手了，就是这么一

预训练模型预训练模型把迁移学习很好地用起来了，让我们感到眼前一亮。这和小孩子读书一样，一开始语文、数学、化学都学，读书、网上游戏等，在脑子里积攒了很多。当他学习计算机时，实际上把他以前学到的所有知识都带进去了。如果他以前没上过中学，没上过小学，突然学计算机就不懂这里有什么道理。这和我们预训练模型一样，预训练模型就意味着把人类的语言知识，先学了一个东西，然后再代入到某个具体任务，就顺手了，就是这么一