import torch
import torch.nn as nn
from torch.autograd import Variable
import torch.utils.data as Data
import torchvision
import matplotlib.pyplot as plt
import os
# 批训练加速模型的训练速度
EPOCH = 1
# 定义批次训练的batch数
BATCH_SIZE = 50
# 定义
一、环境搭建
1、下载YOLOv5代码。https://github.com/ultralytics/yolov5
目录结构：
tutorial.ipynb（可以用jupyter notebook打开）。
2、安装依赖包。根据requirements.txt按需安装 或者 默认安装。
pip install -r requirements.txt
3、权重文件yolov5s.pt默认不存在，可以手动下载。访问https://github.com/ultraly
C:\Python39\Lib\site-packages\torch\nn\modules\upsampling.py
把参数recompute_scale_factor=self.recompute_scale_factor注释掉。
安装：pip install labelimg
启动：在cmd命令行中输入 labelimg
“Create RectBox”进行框选，输入标签名称。目前labelimg支持PascalVOC、YOLO、CreateML三种标注格式。
“Open Dir”打开目录。
“Change Save Dir”修改保存目录。
“Auto Save mode”自动保存。
torch.nn.Conv2d(in_channels,
out_channels,
kernel_size,
stride=1,
padding=0,
dilation=1,
groups=1,
bias=True,
padding_mode=’zeros’,
device=None,
dtype=None)
in_channels (int) – 输入图像中的通道数
out_channels (int) – 卷积产生的通道数即输出图片的通道数
view函数主要用于Tensor维度的重构，即返回一个有相同数据但不同维度的Tensor。
import torch
data = [[1,2,3], [4,5,6], [7,8,9]] # data的类型为list，非tensor
data = torch.tensor(data) # 将data由list类型转为tensor类型
print(data) # torch.Size([6])
#print(data.view(data.size(0), -1))
prin
from torch.utils.data import TensorDataset
import torch
from torch.utils.data import DataLoader
a_data = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9], [1, 2, 3], [4, 5, 6], [7, 8, 9], [1, 2, 3], [4, 5, 6], [7, 8, 9], [1, 2, 3], [4, 5, 6], [7,
1. torch.unsqueeze 详解
# torch.unsqueeze(input, dim, out=None)
# 作用：扩展维度
# 返回一个新的张量，对输入的既定位置插入维度 1
# 注意：返回张量与输入张量共享内存，所以改变其中一个的内容会改变另一个。
# 参数：
# tensor (Tensor) – 输入张量
# dim (int) – 插入维度的索引
# out (Tensor, optional) – 结果张量
import torc
import numpy as np
import torch
a = torch.tensor([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
print(‘a.shape’, a.shape)
print(‘a’, a)
# 列 最大
# 返回的值包含两个数据（values, indices) 分别代表最大值的值和所在的索引
a0 = torch.max(a.data, 0)
print(‘a0’, a0)
# 行 最大
a1
import torch
x = torch.randn(9, 3)
# 输入的维度是（9,3）
m = torch.nn.Linear(3, 1)
# 输入的特征维度是3,输出的特征维度是1
output = m(x)
print(‘m.weight.shape:\n’, m.weight.shape)
print(‘m.bias.shape:\n’, m.bias.shape)
print(‘output.shape:\n’, output.shape)
深度学习框架PyTorch安装
1、访问 https://pytorch.org/get-started/locally/
2、选择版本、操作系统、安装的平台、语言、计算平台。
3、cmd中执行：
使用国外源：用时超过24小时
pip3 install torch torchvision torchaudio –extra-index-url https://download.pytorch.org/whl/cu116
使用国内源：用时10分钟左右
pip i