猗狛

关于yolo中图像的提取1 、 我们可以发现 由于使用了 pytorch 所以把 img都变成了 tensor类型 在第一次 提取的时候 可以发现 h = 330 w = 494 这是一个长方形 明显不 符合规格 所以 采取了填充 也就是把他pading一下 变成一个正方形 让多余的地方是 0 不影响特征提取 标签 明显标签和图片是一致的 明显 label是一个txt 所以要 用numpy来 loadtxt读取 但是 由于用的torch 于是又用 formnumpy函数 转化为tensor 什么究极套娃 然后 把坐标 变成padding之后的坐标 也就是变成正方形之后的 这 是图片增强 就是通过变化图像来增加 图片数量 增加 特征提取的数量 貌似 coco数据集很大 应该不需要进行图像增强了

这是读配置文件 这是 进行走一遍 1搭建网络结构 nn.moduleList() 是按顺序搭建模块 哎呀这不卷积吗 这 卷积核大小 什么步长 padding relu的计算方法 都在里面呢 这玩应是3合1 卷积 batch relu 是个组合 配置卷积 然后就是 做 归一化 也就是bn（batch_normalize） 直接加进去了 还差个relu 是把负的变成0 把激活函数加进去 完成了第一步 module序列 就这步 2