conda命令记录、torch、torchvision安装
conda命令记录、torch、torchvision安装
按键精灵免字库本地识别OCR
目前网上仅有类大漠的字库识别和远程调用互联网识别。百度飞桨很早就开源了PaddleOCR，做一个小脚本还使用收费远程项目早应该过时。由于对py不熟悉，推理麻烦，直接使用了捷智开源的基于PaddleOCR的RapidOCR，简单快捷。抓图还是得使用大漠，效率比python的抓图性能好。如果能找到高效抓
双栏Latex模板插入多个图片的各种排布
latex中图片排布问题
YOLO V5源码详解
首先读取图片以及标签路径，并将标签存入缓存，对单标签情况、特定类别、以及是否保持长方形等情况分别进行处理。如果需要进行mosaic 数据增强，首先找到中心点，将图片分别放置于四个位置，进行裁剪或者拼接以适应，并对labels进行调整。同时，对进行过mosaic数据增强过的图像，再进行copy_pas
评价类模型---TOPSIS法
TOPSIS法统一指标类型标准化处理我们根据例子让大家更好的知道应该如何计算总结第一步：将原始矩阵正向化第二步：正向化矩阵标准化第三步：计算得分并归一化练习题模型的扩展代码运行的几个问题基于熵权法对TOPSIS模型的修正熵权法的步骤...
【毕业设计】疲劳驾驶检测系统 - python 深度学习
🔥 Hi，大家好，这里是丹成学长的毕设系列文章！🔥 对毕设有任何疑问都可以问学长哦!这两年开始，各个学校对毕设的要求越来越高，难度也越来越大… 毕业设计耗费时间，耗费精力，甚至有些题目即使是专业的老师或者硕士生也需要很长时间，所以一旦发现问题，一定要提前准备，避免到后面措手不及，草草了事。为了
模型训练步骤
①准备数据集，一个训练数据集，一个测试数据集。因为CIFAR10数据集是PIL，要转为tensor数据类型。每次训练完进行一轮测试，看测试集的损失或者正确率评估模型是否训练好。返回64行数据，每一行10个数据，代表每一张图片的概率。利用DataLoader加载数据集。测试过程模型不需要调优，利用现有
【机器学习】一文搞懂标准化，归一化，正则化
归一化（Normalization）: 将一列数据变化到某个固定区间（范围）中， 通常， 这个区间是[0,1],广义的讲， 可以是各种区间， 比如映射到[0,1] 也可以映射到其他范围，在图像中可能会映射到[0, 255], 其他情况也有可能映射到[-1,1];最大值最小值的归一化,范围[0,1]均
【代码实践】使用CLIP做一些多模态的事情
CLIP到底有多强，让我们来试试吧！CLIP模型及代码地址：GitHub - openai/CLIP: Contrastive Language-Image Pretraining一、准备环境先创建一个anaconda虚拟环境，包含python=3.7版本，将该环境命名为clip。成功。（ pyto
深度学习模型精度fp16和fp32
深度学习模型精度fp16和fp32
Labelme分割标注的使用（非常好）
博客转自于: Labelme分割标注软件使用这里建议大家按照我提供的目录格式事先准备好数据，然后在该根目录下启动labelme（启动目录位子，因为标注json文件中存储的图片路径都是以该目录作为相对路径的）1.1 创建label标签文件虽然在labelme中能够在标注时添加标签，但我个人强烈建议事先
损失函数——交叉熵损失函数
交叉熵损失函数
玩转GPT--在线文本生成项目[可入坑~科普系列]
没办法，最近ChatGPT杀疯了，没忍住，还是想look，look。没办法，哪个帅小伙能够忍受的了一个可以和自己对话的神奇的玩意儿。而且还是近距离去接触这个东西，如果你对自己的设备还有足够自信的话，咱们还能够给自己重新训练出一个模型，或者自己准备数据集，然后训练自己的“贾维斯”。嘿嘿，想想，这可比女
YOLOV5-断点训练/继续训练
yolov5-断点训练/继续训练
ECCV 2022 | FedX: 在无监督联邦学习中进行知识蒸馏
©PaperWeekly 原创 · 作者 | 张成蹊单位 | Freewheel机器学习工程师研究方向 | 自然语言处理论文的立意是在联邦学习过程中，结合对比学习，用局部与全局的两种蒸馏方式来无监督地学习样本的向量表示。FedX 不仅是一种创新的无监督学习算法，更是一种可以热插拔用于传统对比学习，使
Anaconda的虚拟环境的包在哪里？（详细教程）
Anaconda
Yolov5 模型的原理及环境配置
本文首先介绍了yolov5 是什么，有什么用，以及yolo 模型的原理。再讲解了yolov5 模型的下载，及环境配置的一些问题。
yolo v7 转rknn
yolo v7 转rknn
