YOLOv5-C3模块实现
🍨 本文为🔗365天深度学习训练营 中的学习记录博客
🍖 原作者：K同学啊
电脑系统：Windows11
显卡型号：NVIDIA Quadro P620
语言环境：python 3.9.7
编译器：jupyter notebook
深度学习环境：2.17.0
一、 前期准备
- 设置GPU
- 导入数据
- 划分数据集
二、搭建包含C3模块的模型
- 搭建模型
- 查看模型详情
三、 训练模型
- 编写训练函数
- 编写测试函数
- 正式训练
四、 结果可视化
- Loss与Accuracy图
- 模型评估
五、总结
YOLOv5-C3模块实现天气识别，这个模块具有以下特点：
- CSP Bottleneck 结构 ：
C3类使用了 CSP Bottleneck 结构，这是一种有效的卷积神经网络设计，可以减少参数数量并提高计算效率。在这种结构中，输入首先通过一个1x1卷积减少通道数，然后通过一系列瓶颈模块处理，最后通过另一个1x1卷积增加通道数，并将处理前后的特征图进行拼接。 - 快捷连接：如用于缓解深度网络中的梯度消失问题，通过直接连接输入和输出来保持信息流。
- 分组卷积：允许使用分组卷积，这是一种减少参数数量和计算量的技术，通过将输入通道分成多组，每组独立进行卷积操作。