YOLOv5-C3模块实现

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

1. 设置GPU

2. 导入数据

3. 划分数据集

二、搭建包含C3模块的模型

1. 搭建模型

2. 查看模型详情

三、 训练模型

1. 编写训练函数

2. 编写测试函数

3. 正式训练

四、 结果可视化

1. Loss与Accuracy图

2. 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：

1. 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。
2. 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。
3. 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。