本次网络搭建的就是经典的U型语义分割网络Unet的魔改，使得其能够更加是使用在嵌入式设备能够进行实时检测，如Jetsonnano中。语义分割网络的核心构件就是编码器和解码器。语义分割详细介绍文章本模型是基于一片论文复现修改实现了，用pytorch框架实现，上代码本模型是为了实现车道线检测而搭建，最终得到的模型精度达到94%，模型大小为853kb，最终在JetsonNano的FPS达到25帧左右，已

Transformer 与 RNN 不同，可以比较好地并行训练。Transformer 本身是不能利用单词的顺序信息的，因此需要在输入中添加位置 Embedding，否则 Transformer 就是一个词袋模型了。Transformer 的重点是 Self-Attention 结构，其中用到的 Q, K, V矩阵通过输出进行线性变换得到。

【代码】opencv多线程读取摄像头[python]

Transformer 与 RNN 不同，可以比较好地并行训练。Transformer 本身是不能利用单词的顺序信息的，因此需要在输入中添加位置 Embedding，否则 Transformer 就是一个词袋模型了。Transformer 的重点是 Self-Attention 结构，其中用到的 Q, K, V矩阵通过输出进行线性变换得到。

本次网络搭建的就是经典的U型语义分割网络Unet的魔改，使得其能够更加是使用在嵌入式设备能够进行实时检测，如Jetsonnano中。语义分割网络的核心构件就是编码器和解码器。语义分割详细介绍文章本模型是基于一片论文复现修改实现了，用pytorch框架实现，上代码本模型是为了实现车道线检测而搭建，最终得到的模型精度达到94%，模型大小为853kb，最终在JetsonNano的FPS达到25帧左右，已

1，在安装前，如果不是很必要删除以前的miniconda或者anaconda避免出现一些错误（反正我之前安装了，配置环境的时候出错了，全部删除后成功了）2，在安装过程中一定要勾选第一个框（勾选完后后面的单词会变红）3，4，打开Jupyter记事本，因为我们安装的是miniconda,所以没有自带Jupyter，要自己安装，一键安装命令就是pip install jupyter notebook5，