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。