第Y1周：调用官方权重进行检测

最新推荐文章于 2024-10-18 11:21:51 发布
最新推荐文章于 2024-10-18 11:21:51 发布
阅读量185 收藏 5
点赞数 2
分类专栏： yolo 文章标签： pytorch 人工智能 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/S153580/article/details/142511152
版权

一、下载源码

从本周开始YOLO的学习啦。首先是先体验一下。教案选择的是YOLOv5s
GITHUB的开源地址如下
github 开源地址
在这里插入图片描述
打开网页之后下载zip包解压到自己想要的路径
在这里插入图片描述
在上面文件路径行输入cmd就会直接跳转到cmd啦
在这里插入图片描述
再输入图片展示的命令行将环境依赖安装好
在这里插入图片描述
如果中途出现这种黄色的warning，其实不用管就行了。
当然，你也可以手动添加对应的环境变量；或者自己上网查询取消warning提示的操作方法
等安装好后输入这段代码，等出现下面的结果就好啦
在这里插入图片描述
这是我跑出来的结果
在这里插入图片描述
然后再自己找个视频（如果你是训练营的就用提供的视频）放到路径下
在这里插入图片描述
然后就会逐帧加测，等很久很久过后就能出现一个满是检测框的视频啦
在这里插入图片描述
OK，本周体验就是这样

Nobody33
关注
专栏目录
yolov3猴子动物检测权重+6000数据集
06-14
yolov3猴子动物检测权重,包含6000多张猴子检测数据集，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签， 数据集和检测结果参考：...
第1周学习：深度学习和pytorch基础
qq_37466455的博客
07-12 1239
第一周学习~
YOLOv10水下目标检测权重，含有数据集
08-15
1、YOLOv10水下目标检测权重，含有数据集，7000多张使用lableimg标注软件，标注好的真实场景的高质量图片数据，图片格式为jpg，标签有两种，分别为VOC格式和yolo格式，分别保存在两个文件夹中，可以直接用于YOLO系列...
yolov5电动车检测训练权重+数据集
04-27
1、yolov5电动车检测训练权重，包含电动车检测数据集，电动摩托车识别，使用lableimg标注软件，标注好的高质量图片数据，图片格式为jpg，标签有两种，分别为VOC格式和yolo格式，即xml和txt格式的标签，分别保存在两...
YOLOv5水下目标检测权重+数据集
04-30
1、YOLOv5水下目标检测权重，含有数据集，7000多张使用lableimg标注软件，标注好的真实场景的高质量图片数据，图片格式为jpg，标签有两种，分别为VOC格式和yolo格式，分别保存在两个文件夹中，可以直接用于YOLO系列...
YOLOv3固定翼无人机检测权重+3000数据集
05-31
YOLOv3固定翼无人机检测权重（灰度图）,包含3000多张固定翼无人机检测数据集，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签， ...
pytorch resnet源码分析
LIjin_1006的博客
10-15 915
conv3: 1x1 卷积层，输入通道数为 width，输出通道数为 planes * self.expansion。# Bottleneck 在 torchvision 中将下采样的步长放在 3x3 的卷积层 (self.conv2)，# 第一个卷积层，输入通道数为 3，输出通道数为 64。# inplace=True：表示操作将在原始张量上直接进行，而不创建新的张量。# 如果将批次规范化放在卷积层之前，那么卷积层的输入数据分布将受到前一层输出数据分布的影响，这可能导致不稳定的数。
【安装教程】Windows10环境下Pytorch(GPU版)的安装与配置
慢热型网友的博客
10-14 1043
PyTorch是一个开源的深度学习框架，由Facebook的人工智能研究团队开发。它提供了灵活的张量计算和自动求导功能，适合于研究和生产环境。由于其动态计算图的特性，PyTorch在模型构建和调试上非常方便，受到众多研究人员和开发者的欢迎。PyTorch支持GPU加速，具备丰富的库和工具，例如用于计算机视觉的TorchVision和用于自然语言处理的TorchText。
反向传播和优化 pytorch
2302_79795489的博客
10-15 477
计算损失：result_loss=loss(outputs,targets)梯度清零：optim.计算梯度并反向传播：backward()更新参数：optim.step(): 在每次训练迭代之前清除所有优化器（如SGD、Adam等）维护的梯度信息。在神经网络中，每个参数（如权重和偏置）都有一个与之关联的梯度，这个梯度表示参数对损失函数的贡献程度。随着训练的进行，这些梯度会被累积，如果不加以重置，会导致梯度累加，从而影响模型的学习效果。因此，
解决低版本pytorch和onnx组合时torch.atan2()不被onnx支持的问题
XCCCCZ的博客
10-14 490
但是因为你的模型或cuda环境等约束，不能安装这么高的版本的pytorch和onnx组合时(例如我的环境是pytorch1.12，onnxruntime=1.19.2，即使onnxruntime版本比较高但是Pytorch的版本底也照样报这个错: tan2 to ONNX opset version 16 is not supported)，那就只能考虑自己基于torch.atan()实现torch.atan2()的功能了。测试验证发现是准确的。
使用PyTorch从0实现Fashion-MNIST数据集分类
L
10-12 347
【代码】使用PyTorch从0实现Fashion-MNIST数据集分类。
DINO&DINO v2：颠覆自监督视觉特征表示学习
家鸽的代码屋
10-15 1058
DINO系列学习总结
新质技术之生成式AI、大模型、多模态技术开发与应用研修班
Lynn121的博客
10-17 492
在当前的科技飞速发展的时代，生成式人工智能、大模型、多模态技术的出现正为企业的数字化转型带来革命性变革。该研修班特别设计了为期四天的课程，从生成式AI的核心概念入手，逐步深入探讨大模型的应用开发以及多模态技术的集成运用。通过此次研修班，学员不仅能获得最新的AI技术知识，还能获得行业权威机构的职业技能认证，这将极大提升其在未来职场中的竞争力。本次研修班采取理论与实战相结合的培训模式，旨在让学员不仅能够全面掌握生成式AI、大模型和多模态技术的最新理论，还能通过实战练习，掌握将这些技术应用于实际业务。
论文及其创新点学习cvpr2022 On the Integration of Self-Attention and Convolution
qq_53536373的博客
10-13 607
论文创新点，将注意力机制 和卷积 相结合。
最近AI产品开发的热点在什么领域？
最新发布
m0_46568584的博客
10-18 882
更贴合人类的思考方式：去年，不管是ChatGPT还是通义千问、KIMI等，经常会遇到问着问着他就“傻”了，开始答非所问，就我个人使用而言，从今年下半年开始，模型越来越聪明，他会给我提供一些新奇的想法，而且还会先我一步思考。AI产品开发中，搜索领域已成为炙手可热的焦点，背后的原因还是很值得说一说的。《黑神话：悟空》不仅在短短3天内销量突破1000万套，成为有史以来最快达到这一销售里程碑的单机游戏之一，更重要的是，它展现了AI技术在游戏领域带来的巨大潜力，包括AI驱动的NPC、AI生成的场景、AI辅助开发等。
计算机毕业设计Python深度学习房价预测 房源可视化 房源爬虫 二手房可视化 二手房爬虫 递归决策树模型 机器学习 深度学习 大数据毕业设计
全网粉丝100W+、全栈领域优质创作者、B站、github、CSDN等社区技术专家、专注于高端精品毕业项目源码实战
10-18 505
计算机毕业设计Python深度学习房价预测 房源可视化 房源爬虫 二手房可视化 二手房爬虫 递归决策树模型 机器学习 深度学习 大数据毕业设计
大数据与人工智能在金融风险控制中的应用
2405_87249521的博客
10-16 1043
通过对海量数据的实时分析和智能化的预测模型，金融机构能够更准确地识别潜在风险，采取适当的防范措施，从而提升金融市场的稳定性和安全性。传统的信用评估主要依赖于财务报表和历史信用记录，而大数据技术可以结合客户的社交媒体行为、购物习惯、互联网搜索记录等非结构化数据，为风险评估提供更全面的视角。同时，AI还能够自动识别潜在的合规风险，减少人工审核的压力。大数据与人工智能在金融风险管理中有着广泛的应用场景，从信用评估、市场风险分析，到反欺诈和监管合规，都可以利用这些技术来提升风险控制的效率和准确性。
骨架提取（持续更新）
xiongmaowangd的博客
10-13 704
骨架提取是图像处理或计算机视觉中的一种技术，用于从二值化图像中提取物体的中心线或轮廓，通常称为“骨架”或“细化图像”。这一技术主要用于简化形状表示，同时保留物体的拓扑结构。这里我们强调了，是对二值化图像中进行提取。
【深度学习】RNN实战
言兼小师傅的博客
10-15 444
【代码】【深度学习】RNN实战。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值