1.介绍 Focal Loss 是一种专门设计用于处理类别不平衡问题的损失函数，特别是在目标检测任务中表现出色。 它最早由 Facebook AI Research (FAIR) 提出的，在物体检测中，如 RetinaNet，解决了正负样

0.信息熵 计算公式 说明 Onehot向量的信息熵为0 非Onehot向量的概率分布反而有一定的信息熵 对于交叉熵而言，与Onehot向量相同的概率分布时，其交叉熵也为0 1.交叉熵损失 Cross Entropy Lo

权重剪枝：结构化剪枝，整层整层地剪，整通道整通道地剪 通道剪枝：非结构化剪枝，一根树杈子，一根树杈子剪 加速卷积运算：将卷积运算转换成张量运算，这里面有很多卡脖子的技术，这也是MATLAB软件非常牛的关键，底层有很多数值运算的

0 背景我在以前一个版本的64bit树莓派系统上，搭建了很多环境，现在，这个64bit的树莓派系统需要接入IMX385，目前只有v4l2这种方案(64bit的树莓派系统删除了一些库，树莓派原生相机也就不支持)。 但悲催的是，目前veye在G

import torch import torchvision from PIL import Image from torch import nn image_path = "./images/deer.png" image = Ima

利用GPU训练的三要素 train_gpu_1.py import torch import torchvision from torch.utils.tensorboard import SummaryWriter # fro

train.py import torch import torchvision from torch.utils.tensorboard import SummaryWriter from model import TuDui fr

model_save.py import torch import torchvision # 这个是没有经过训练的 from torch import nn vgg16 = torchvision.models.vgg16(pre

import torchvision # train_data = torchvision.datasets.ImageNet("./dataset", split='train', download=True, #

import torch import torchvision from torch import nn from torch.nn import Sequential, Conv2d, MaxPool2d, Flatten, Linear

import torchvision from torch import nn from torch.nn import Sequential, Conv2d, MaxPool2d, Flatten, Linear from torch.u

import torch import math from torch.nn import L1Loss from torch import nn inputs = torch.tensor([1, 2, 3], dtype=torch.