pytorch

一、 创建虚拟环境 这里创建python3.7环境 二、安装torch及cudatoolkit 进入torch官网，找到需要的torch及cuda（torch官网已经搭配并打包一起，后续不用设置环境变

介绍 之前一直看相关的api,包括数据集的注册，detectron这种标准数据集的custom注册等源代码分析，对json文件也有了很清晰的认识，COCO的注册更简单一些，直接调用reg

GitHub地址链接：https://github.com/NathanUA/U-2-Net 这个显著性检测很好用，强烈推荐，建议二分类的任务都来试试，尤其对边缘细节要求比较高的任务。 下

1. 拉取代码 git clone https://github.com/ultralytics/yolov5 cd yolov5 pip install -r requirements.txt 2. 模型测试 import torch#

本篇文章包含内容较多，请参照目录浏览,在每一部分结束或,有该部分可能遇到的问题 0、开始本教程前请先备份电脑中的重要文件！！！！ 1、Ubuntu20.04 搭建 更详细

-NeoZng[neozng1hnu.edu.cn] 5.2.2.卷积神经网络 在5.2.1中我们提到，可以把图像resize成一个1xn的特征向量当作输入投入一个网络当中进行训练和预测，但是这样做会出现很多的问题

前言 目标检测数据集的标注格式通常有三种格式：pascal voc、coco、yolo。因此当我们运行开源代码使之用于目标检测时，会遇到开源代码所要求的数据集和我们目前数据集格式不同的问题，修改开源代码

方法一：Google gsutil工具 可以使用Google gsutil工具搭配命令行下载 sudo apt-get install aria2aria2c -c 即为COCO官网下载地址 train2017&#

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 前言 实验需要将现有开源目标检测代码的backbone替换为ResNeSt，开源代码基于mmdetection v1开发&

Towards Open World Object Detection 开放世界的目标检测 论文地址：https://arxiv.org/abs/2103.02603 代码地址：GitHub - JosephKJ