准备自己的数据集
{{ interaction.likeNum == 0 ? (pageType === 'video' ? '抢首赞' : '点赞') : formatNumber(interaction.likeNum) }}
{{ interaction.collectionNum == 0 ? '收藏' : formatNumber(interaction.collectionNum) }}
{{ interaction.discussNum == 0 ? (pageType === 'video' ? '抢沙发' : '讨论') : formatNumber(interaction.discussNum) }}
分享
适合人群
希望学习YOLOv5的Network Slimming网络剪枝方法的学员
你将会学到
掌握YOLOv5的Network Slimming网络剪枝方法
课程简介
PyTorch版的YOLOv5是一个当前非常流行的目标检测器,本课程使用Network Slimming剪枝方法对YOLOv5进行网络剪枝,使其更加轻量和实用。
Network Slimming是一种经典实用的模型压缩方法,可实现方便高效的通道级别的结构化剪枝。
该方法通过利用BN(Batch Normalization)层中缩放因子较小的值来剪裁的相应通道,达到精简网络的目的。步骤包括:增加稀疏正则化的训练、网络模型剪枝、剪枝后的网络模型微调。
本课程在YOLOv5 v6.1版本代码的基础上增加Network Slimming剪枝方法,在Windows和Ubuntu系统上演示针对自己的数据集训练和进行网络剪枝过程,并讲解原代码针对剪枝的修改部分。
本课程分为原理篇、实战篇、代码讲解篇。
- 原理篇包括:网络剪枝的基础知识、Network Slimming剪枝原理。
- 实战篇包括:PyTorch环境安装、YOLOv5项目安装、准备自己的数据集、修改配置文件、正常训练自己的数据集、稀疏化训练、网络模型剪枝、剪枝后的网络模型微调。
- 代码讲解篇包括:剪枝代码修改说明和具体修改代码的讲解。
展开更多
{{tips.text}}
{{ noteHeaderTitle }}
笔记{{ hasMyNote ? '我的笔记' : '记笔记' }}
{{ hasMyNote ? '我的笔记' : '记笔记' }}
优质笔记
更新于:{{ $dayjs.formate('YYYY-MM-DD HH:mm:ss', item.last_uptime*1000) }}
{{ detail.username }}
公开笔记对他人可见,有机会被管理员评为“优质笔记”
{{ noteEditor.content.length }}/2000
公开笔记
保存提问
讲师收到你的提问会尽快为你解答。若选择公开提问,可以获得更多学员的帮助。
记录时间点
记录提问时视频播放的时间点,便于后续查看
公开提问
提交课程大纲
自动连播
75课时
基于深度学习的计算机视觉: 原理与实践 (上部)
55154人学习
白老师
4.9
¥188.00
23课时
YOLOv3目标检测实战:训练自己的数据集
31578人学习
白老师
4.8
¥58.00
42课时
YOLOv5+DeepSORT多目标跟踪与计数精讲
20972人学习
白老师
5.0
¥98.00
40课时
YOLOv5(PyTorch)目标检测:原理与源码解析
19005人学习
白老师
5.0
¥88.00
39课时
YOLOv3目标检测:原理与源码解析
16399人学习
白老师
4.9
¥78.00
24课时
Mask R-CNN图像实例分割实战:训练自己的数据集
15606人学习
白老师
5.0
¥88.00
31课时
YOLOv5实战中国交通标志识别
11637人学习
白老师
5.0
¥88.00
24课时
PyTorch版Mask R-CNN图像实例分割实战:训练自己的数据集(Detectron2)
9723人学习
白老师
5.0
¥88.00