mirror of https://github.com/open-mmlab/mmyolo.git
14 KiB
14 KiB
解读文章和资源汇总
本文汇总了 MMYOLO 或相关的 OpenMMLab 解读的部分文章（更多文章和视频见 OpenMMLabCourse )，如果您有推荐的文章（不一定是 OpenMMLab 发布的文章，可以是自己写的文章），非常欢迎提 Pull Request 添加到这里。
MMYOLO 解读文章和资源
文章
- 社区协作，简洁易用，快来开箱新一代 YOLO 系列开源库
- MMYOLO 社区倾情贡献，RTMDet 原理社区开发者解读来啦！
- 玩转 MMYOLO 基础类第一期： 配置文件太复杂？继承用法看不懂？配置全解读来了
- 玩转 MMYOLO 工具类第一期： 特征图可视化
- 玩转 MMYOLO 实用类第二期：源码阅读和调试「必备」技巧文档
- 玩转 MMYOLO 基础类第二期：工程文件结构简析
- 玩转 MMYOLO 实用类第二期：10分钟换遍主干网络文档
- MMYOLO 自定义数据集从标注到部署保姆级教程
- 满足一切需求的 MMYOLO 可视化：测试过程可视化
视频
工具类
| 内容 | 视频 | 课程中的代码/文档 | |
|---|---|---|---|
| 第1讲 | 特征图可视化 |   |
特征图可视化文档 特征图可视化.ipynb |
| 第2讲 | 基于 sahi 的大图推理 |   |
10分钟轻松掌握大图推理.ipynb |
基础类
| 内容 | 视频 | 课程中的代码/文档 | |
|---|---|---|---|
| 第1讲 | 配置全解读 |   |
配置全解读文档 |
| 第2讲 | 工程文件结构简析 |   |
工程文件结构简析文档 |
实用类
| 内容 | 视频 | 课程中的代码/文档 | |
|---|---|---|---|
| 第1讲 | 源码阅读和调试「必备」技巧 |   |
源码阅读和调试「必备」技巧文档 |
| 第2讲 | 10分钟换遍主干网络 |   |
10分钟换遍主干网络文档 10分钟换遍主干网络.ipynb |
| 第3讲 | 自定义数据集从标注到部署保姆级教程 |   |
自定义数据集从标注到部署保姆级教程 |
源码解读类
演示类
| 内容 | 视频 | |
|---|---|---|
| 第1期 | 特征图可视化 |   |
MMEngine 解读文章和资源
MMCV 解读文章和资源
MMDetection 解读文章和资源
文章
知乎问答和资源
- 深度学习科研，如何高效进行代码和实验管理？
- 深度学习方面的科研工作中的实验代码有什么规范和写作技巧？如何妥善管理实验数据？
- COCO 数据集上 1x 模式下为什么不采用多尺度训练?
- MMDetection 中 SOTA 论文源码中将训练过程中 BN 层的 eval 打开?
- 基于 PyTorch 的 MMDetection 中训练的随机性来自何处？
PyTorch 解读文章和资源
- PyTorch1.11 亮点一览：TorchData、functorch、DDP 静态图
- PyTorch1.12 亮点一览：DataPipe + TorchArrow 新的数据加载与处理范式
- PyTorch 源码解读之 nn.Module：核心网络模块接口详解
- PyTorch 源码解读之 torch.autograd：梯度计算详解
- PyTorch 源码解读之 torch.utils.data：解析数据处理全流程
- PyTorch 源码解读之 torch.optim：优化算法接口详解
- PyTorch 源码解读之 DP & DDP：模型并行和分布式训练解析
- PyTorch 源码解读之 BN & SyncBN：BN 与 多卡同步 BN 详解
- PyTorch 源码解读之 torch.cuda.amp: 自动混合精度详解
- PyTorch 源码解读之 cpp_extension：揭秘 C++/CUDA 算子实现和调用全流程
- PyTorch 源码解读之即时编译篇
- PyTorch 源码解读之分布式训练了解一下？
- PyTorch 源码解读之 torch.serialization & torch.hub