环境：win10+anaconda注：anaconda安装步骤略，以下步骤默认anaconda已安装。（三）安装 pytorch3.1 创建虚拟环境<1>打开anaconda prompt<2>打开 Anaconda Prompt 之后，在命令行输入：conda create --name pytorch python=3.8.1注意，这里的 pytorch 是虚拟环境的名

Pytorch框架学习路径(一：张量简介与创建)Pytorch框架学习路径(二：张量操作)Pytorch框架学习路径(三：线性回归)Pytorch框架学习路径(四：计算图与动态图机制)Pytorch框架学习路径(五：autograd与逻辑回归)Pytorch框架学习路径(七：数据读取机制DataLoader与Dataset)Pytorch框架学习路径(八：图像预处理——transforms)1、n

Slicing Aided Hyper Inference and Fine-tuning for Small Object Detection通过划块的方式进行小目标检测1、看一下过程和最终效果1.1、看一下slicing的pitch效果1.2、slicing结合Yolov5最终效果slicing论文地址：Slicing Aided Hyper Inference and Fine-tuning

多谢大佬的文章1.前言：《动手学习深度学习》 李沐博士和阿斯顿·张博士等人写的一本入门深度学习的教程，是目前广受好评的最好的入门深度学习教材之一，豆瓣评分高达9.5,且在B站有配套学习视频，超级适合没有基础的小伙伴用来入门深度学习。本文是对于书中关于环境搭建这一小节的详细描述和补充，希望小伙伴们可以通过本文在较短的时间内搭建好开发环境，从而快速开启自己的深度学习之旅。**BB time：**多说几

（一）为什么要学习pandasnumpy能够帮我们处理处理数值型数据，但是这还不够很多时候，我们的数据除了数值之外，还有字符串，还有时间序列等比如：我们通过爬虫获取到了存储在数据库中的数据比如：之前youtube的例子中除了数值之外还有国家的信息，视频的分类(tag)信息，标题信息等所以，numpy能够帮助我们处理数值，但是pandas除了处理数值之外(基于numpy)，还能够帮助我们处理其他类型

Slicing Aided Hyper Inference and Fine-tuning for Small Object Detection通过划块的方式进行小目标检测1、看一下过程和最终效果1.1、看一下slicing的pitch效果1.2、slicing结合Yolov5最终效果slicing论文地址：Slicing Aided Hyper Inference and Fine-tuning

显卡驱动查看桌面任意位置右击，选择NVIDIA控制面板点击3D设置中通过预览调整图像设置点击左下方的系统信息再点击组件如下图所示：安装CUDA下载CUDA百度盘本人已经下载好的CUDA1.4.1和对应版本的CUDNN：链接：https://pan.baidu.com/s/1Vixfl7tv4I6-OuBMF2ITQw提取码：b2b7–来自百度网盘超级会员V3的分享自行下载**法一：**可进入CUD

（一）线性规划例题（复习）上一篇我们讲了

（二）代码的下载与配置2.1、需要的安装包官方源码下载学习的话，请下载Image Classification的代码，配置相对简单，其他的配置会很麻烦。如下图所示：Install ：pytorch安装：感觉pytorch > 1.4版本都没问题的。2、pip install timm==0.3.2(最新版本也行)1、pip install Apexwin 10系统下安装NVIDIA apex

Slicing Aided Hyper Inference and Fine-tuning for Small Object Detection通过划块的方式进行小目标检测1、看一下过程和最终效果1.1、看一下slicing的pitch效果1.2、slicing结合Yolov5最终效果slicing论文地址：Slicing Aided Hyper Inference and Fine-tuning