NanoDet简介nanodet网址：https://github.com/RangiLyu/nanodetNanoDet 是一个速度超快和轻量级的移动端 Anchor-free 目标检测模型。该模型具备以下优势：超轻量级：模型文件大小仅 1.8m；速度超快：在移动 ARM CPU 上的速度达到 97fps（10.23ms）；训练友好：GPU 内存成本比其他模型低得多。GTX1060 6G 上的

启动docker(一定要先启动再添加dns)#添加国境镜像和dns。# 重启docker。

介绍facenet-pytorch库里面包含了两个重要功能：人脸检测和人脸识别，其中人脸检测部分使用mtcnn算法，人脸识别部分使用Facenet算法。利用这个库，可以轻松实现人脸检测和人脸向量映射操作。安装pip install facenet-pytorch人脸检测from facenet_pytorch import MTCNN, InceptionResnetV1import torchf

# -*- coding: utf-8 -*-# @Time: 2021/1/19 12:06# @Author: Johnsonfrom __future__ import print_function, divisionimport torchimport torch.nn as nnimport torch.optim as optimfrom torch.optim import lr_s

# -*- coding: utf-8 -*-"""Created on Thu Jul 30 08:47:12 2020@author: Johnson"""import cv2 as cvimporttorchvisionimport torchfrom torchvision import transformsimport numpy as npwith open("coco.names")

参考链接：https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.0-rc/docs/tutorials/DetectionPipeline.md文教程以路标数据集为例，使用yoloV3算法详细说明paddleDetection全流程使用教程，包含：准备数据，选择模型，训练模型，评估，预测，模型压缩和模型部署。数据准备关于数据准

个人微信公众号1、深度学习基础1、为什么需要做特征归一化、标准化1.使不同量纲的特征处于同一数值量级，减少方差大的特征的影响，使得模型更准确率2、加快算法的收敛速度2、常用的归一化和标准化方法有哪些？1、线性归一化（min-max标准化）x’ = (x-min(x)) / (max(x)-min(x))，其中max是样本数据的最大值，min是样本数据的最小值适用于数值比较集中的情况，可使用经验值常

kmeans原理介绍kmeans算法的思路非常简单，就是不断计算各样本点和簇中心点之间的距离，直到收敛为止，其具体步骤如下：1.从数据中随机挑选K个样本点作为原始的簇中心；2.计算剩余样本与簇中心的距离，并把各样本标记为离K个簇中心最近的类别；3.重新计算各簇中样本点的均值，并以均值作为新的K各簇中心。4.不断重复2和3，直到簇中心的变化趋于稳定，形成最终的K个簇。也许上面的4个步骤还不足以让读者

轻量级深度学习网络概览

参考链接YOLO-Multi-Backbones-Attention