YOLO目标检测演示

前言

今天一口气完成了人工智能课程的四项深度学习实验，涵盖目标检测、情感分析、图像生成、大语言模型对话四大方向。实验室配备 RTX 4060 8GB 显卡，全部实验均在 GPU 下完成，训练速度相当可观。下面逐一分享。

实验10：YOLOv8 目标检测

YOLO（You Only Look Once）将目标检测视为单次回归问题，从整张图像直接预测边界框与类别概率，速度快、效果好。

单图推理

使用预训练 YOLOv8n（nano 版，仅 3.2M 参数）对教室场景图片进行检测，分别测试了三组 conf 阈值：

conf 阈值对比实验
conf 阈值检测目标数分析
0.127 个检测出更多目标（chair, keyboard 等），但可能包含低置信度误检
0.25（默认）16 个10 persons, 4 tvs, 2 laptops，较准确的平衡点
0.515 个过滤掉一个低置信度目标，精确率提升但漏检增加

结论：conf=0.25 是日常使用的最佳平衡点，安防场景可降为 0.1 优先召回率，自动驾驶应提升至 0.5+ 优先精确率。

自定义训练

基于 yolov8n.pt 预训练权重，在 coco8 数据集上训练 5 个 epoch：

训练配置
  • 输入尺寸：320×320
  • Batch size：2
  • 设备：NVIDIA RTX 4060
  • 最终 mAP50：0.608

实验11：LSTM 情感分析

使用 IMDB 影评数据集（50,000 条英文评论）训练 LSTM 二分类器，判断评论情感正/负。

模型架构

Embedding(20000→128) → LSTM(128) → Linear(128→2)

使用 pack_padded_sequence 让 LSTM 忽略 PAD 填充位置，取最后时刻隐状态作为句子表示。

训练结果

3轮训练效果
EpochTrain LossTrain AccTest LossTest Acc
10.644966.70%0.676256.60%
20.563775.40%0.648861.28%
30.375585.22%0.612268.17%

测试准确率 67.87%，训练准确率 85.22%，存在约 17% 的过拟合。仅用了 4000 条训练数据 + 3 个 epoch，提升空间很大。

推理测试

  • this movie was fantastic → Positive (P=0.561) ✅
  • boring and too long → Positive (P=0.589) ❌ 预测错误

小模型碰到强烈负面词 (“boring”, “not recommend”) 仍可能翻车，需要更多训练。

实验13：GAN 生成手写数字

GAN（生成对抗网络）由生成器 G 和判别器 D 组成，G 从噪声生成图像，D 判断真/假，两者对抗训练使 G 学会生成逼真样本。

网络结构（MLP 版本）

生成器 G：z(64) → Linear(256) → ReLU → Linear(784) → Tanh → (28×28)

判别器 D：(28×28) → Linear(256) → LeakyReLU(0.2) → Linear(1) → Sigmoid

100 轮训练后生成效果

在 GAN 训练中，单看损失值并不可靠，生成图像的清晰度与多样性才是关键指标。以下是 16 张随机生成的数字：

GAN生成的手写数字

16张生成数字（4×4网格）

大部分数字轮廓清晰、形态可辨，说明 G 已从 64 维噪声学到了合理的手写数字分布。个别边缘模糊、少数数字形态介于两类之间。

💡 改用 DCGAN（卷积 + 转置卷积）替代 MLP，可显著提升清晰度和多样性。

GAN 训练小技巧：标签平滑（真标签从 1 改为 0.9）、为 D 输入加高斯噪声、降低 D 学习率让 G 跟上。

实验22：Qwen3.5-0.8B 小模型对话

阿里开源的 Qwen3.5-0.8B，仅 0.75B 参数，本地 RTX 4060 即可运行，显存占用约 1.6GB。

下载与加载

使用 hf-mirror.com 镜像下载（国内比 HuggingFace 快很多），升级 transformers 至最新版以支持 qwen3_5 架构。加载完成后仅 0.75B 参数。

Qwen3.5模型推理

加载代码 
1
2
3
4
5
6
7
8
9
from transformers import AutoModelForCausalLM, AutoTokenizer
import os
os.environ["HF_ENDPOINT"] = "https://hf-mirror.com"

model = AutoModelForCausalLM.from_pretrained(
    "Qwen/Qwen3.5-0.8B",
    torch_dtype="auto",
    device_map="auto"
)

功能测试

单轮对话 —— “什么是线性回归？”

线性回归是一种通过最小二乘法，利用一组已知自变量和对应的因变量数据，建立变量间线性关系的数学模型。

System 角色设定 —— 幽默 AI 讲师

正则化就像给模型加个”防作弊滤镜”，它通过让模型”偷懒”来防止过拟合。

多轮对话 —— 人工智能课程主题

第一轮：建议从线性回归、决策树、SVM 入门
第二轮（记住了上下文）：CNN 与普通神经网络的区别在于局部卷积和全连接

Temperature 对比
| Temperature | 输出风格 |
|——————-|————-|
| 0（确定性） | 简洁精确：”通过不断调整参数以最小化损失函数的优化算法” |
| 0.9（随机） | 更丰富：”通过随机初始化参数，沿着优化函数曲面的负梯度方向不断调整” |

实验总结

今天的四组实验覆盖了 AI 领域三个核心方向：计算机视觉（YOLO + GAN）、自然语言处理（LSTM 情感分析）、大语言模型（Qwen3.5）。RTX 4060 虽然只有 8GB 显存，跑小模型已经绰绰有余，0.8B 的 Qwen3.5 回答质量也超出预期。

关键收获

掌握了 YOLO 的 conf/IoU 调参策略

理解了 LSTM 门控机制与 pack_padded_sequence 的作用

体验了 GAN 对抗训练的震荡与不稳定

跑通了本地小模型的完整对话流程（单轮/多轮/system/temperature/few-shot）

参考