【软件测试】测试基础讲解
软件测试岗位的讲解
【个人笔记】UNet使用自己数据集训练（多分类）
参考链接：Pytorch下实现Unet对自己多类别数据集的语义分割_brf_UCAS的博客-CSDN博客_pytorch unet多类分割一、UNet代码链接UNet代码：二、开发环境Windows、cuda :10.2 、cudnn:7.6.5 pytorch1.6.0 python 3.7pyt
yolov5 训练结果解析
yolov5 训练结果解析在每次训练之后，都会在runs-train文件夹下出现一下文件，如下图：一：weights包含best.pt（做detect时用这个）和last.pt（最后一次训练模型）二：confusion1：混淆矩阵：①：混淆矩阵是对分类问题的预测结果的总结。使用计数值汇总正确和不正确
基于Halcon的MLP（多层感知神经网络）分类器分类操作实例
【代码】基于Halcon的MLP（多层感知神经网络）分类器分类操作实例。
初识图像分类——K近邻法(cs231n assignment)
图像分类是计算机视觉中的一项重要任务，但是图像分类一定要用到CNN吗？并不是，最初的分类方法是采用了KNN！
垃圾分类模型训练部署教程，基于MaixHub和MaixPy-k210
本文是图文演示内容，将给大家介绍 ，在MaixHub上训练模型，然后部署到Maix duino开发板上的流程。 .串口终端，占用板子内存更少，二进制文件，刷固件，烧录地址是0x300000，main.py，report.json，kmodel，迭代次数，数据均衡，浏览器，tfjs，部署平台，模
【自然语言处理（NLP）】基于GRU实现情感分类
【自然语言处理（NLP）】基于GRU实现情感分类，基于百度飞桨开发，参考于《机器学习实践》所作。
【自然语言处理（NLP）】基于循环神经网络实现情感分类
【自然语言处理（NLP）】基于循环神经网络实现情感分类，基于百度飞桨开发，参考于《机器学习实践》所作。
图像分类方法总结
1. 图像分类问题描述图像分类问题是计算机视觉领域的基础问题，它的目的是根据图像的语义信息将不同类别图像区分开来，实现最小的分类误差。具体任务要求是从给定的分类集合中给图像分配一个标签的任务。总体来说，对于单标签的图像分类问题，它可以分为跨物种语义级别的图像分类，子类细粒度图像分类，以及实例级图像分
基于 BERT 实现的情感分析(文本分类)----概念与应用
一文详解Bert的发展由来，及如何使用Bert模型实现情感分析(文本分类任务)
人工智能导论(6)——机器学习(Machine Learning)
机器学习按照学习任务可以分为回归、分类、聚类、降维、密度估计、排序、优化。机器学习按照学习方式可以分为有监督学习、无监督学习、半监督学习、强化学习。机器学习按照模型可以分为几何模型、逻辑模型、网络模型、概率模型。回归、分类、排序都是有监督学习。聚类、降维、密度估计都属于无监督学习。线性回归、多项式回
Python图像识别实战（五）：卷积神经网络CNN模型图像二分类预测结果评价（附源码和实现效果）
Python图像识别实战：卷积神经网络CNN模型图像二分类预测结果评价（附源码和实现效果）
【深度学习】（三）图像分类
上一章介绍了深度学习的基础内容，这一章来学习一下图像分类的内容。图像分类是计算机视觉中最基础的一个任务，也是几乎所有的基准模型进行比较的任务。从最开始比较简单的10分类的灰度图像手写数字识别任务mnist，到后来更大一点的10分类的cifar10和100分类的cifar100任务，到后来的image
机器学习——图像分类
1 图像分类的概念1.1 什么是图像分类？图像分类，根据图像信息中所反映出来的不同特征，把不同类别的目标区分开来的图像处理方法1.2 图像分类的难度●任何拍摄情 况的改变都将提升分类的难度1.3 CNN如何进行图像分类●数据驱动型方法通用流程1.收集图像以及对应的标签，形成数据集2.使用机器学习训练
机器学习分类算法之XGBoost（集成学习算法）
目录走进XGBoost什么是XGBoost？XGBoost树的定义XGBoost核心算法正则项：树的复杂程度XGBoost与GBDT有什么不同XGBoost需要注意的点XGBoost重要参数详解调参步骤及思想XGBoost代码案例相关性分析n_estimators（学习曲线）max_depth（学习
基于yoloV7-pose添加任意关键点 ＋ 多类别分类网络修改
基于yoloV7-pose 修改任意关键点+多分类模型
【机器学习】Logistic 分类回归算法 （二元分类 & 多元分类）
一、线性回归能用于分类吗？二、二元分类2.1假设函数2.1.1例子一2.1.2例子二2.2拟合logistic回归参数\thetaθ三、logistic代价函数3.1 y = 1的图像3.2 y = 0的图像四、 代价函数与梯度下降4.1 线性回归与logistic回归的梯度下降规则相同吗？五、高级
基于YOLOV5 的多分类 + 关键点检测
基于yoloV5 多分类+关键点检测
【深度学习】图像分类数据集Fashion-MNIST
【深度学习】图像分类数据集Fashion-MNIST
通过逻辑回归和感知器算法对乳腺癌数据集breastCancer和鸢尾花数据集iris进行线性分类
通过逻辑回归和感知器算法对乳腺癌数据集breastCancer和鸢尾花数据集iris进行线性分类
