- 博客(10)
- 收藏
- 关注
RSS订阅原创 深度学习环境配置（二）：VScode(wsl+win11)+Opencv
在VScode中配置C++、Opencv的环境，包含了基本的环境配置。
2023-07-28 15:09:51
1050
1
原创 YOLOV5（二）：将pt转为onnx模型并用opencv部署
将yolov5s训练的火焰数据的pt权重改为可用opencv识别的onnx。
2023-07-28 11:48:36
3395
1
原创 深度学习环境配置（一）：Tensorflow+python+onnx （Win）
Anaconda3+TensorFlow2.1.0+keras2.3.1+labelimg+VScode安装及配置
2023-02-12 17:04:51
526
原创 机器学习二：数据处理
目的：将整个数据集调整为对算法干扰最小的结构，以便提高最终算法的训练效果。一、采样在数据集中，未必所有的数据都需要，用采样提取数据采样：按照某种规律从样本中挑选目标数据1、随机采样有放回/无放回2、系统采样等距采样，无放回3、分层采样将数据分类，在每个类中抽取，再进行组合二、归一化当数据集中的数据变化梯度大小不一，如同时存在年、月、日、米、光年等量纲时，相互之间的变换呈10的n次幂，用归一化可以减少这种计算。归一化：将数据限定在[0，1]，简化计算三、去噪样本中可能存在与常规信
2023-02-02 15:34:41
99
原创 机器学习一：准备工作
如何选择一个合适的算法1.确定算法范围：数据的种类：数值？文本？有无目标队列数据：监督？非监督？业务场景：分类？聚类？回归？2.多算法尝试：不同的数据适用算法不同，最好的方法是多尝试几种算法，选择效果较好的一种。3.多视角分析：在实际应用中，除了要考虑算法的效果以外，还要考虑算法的鲁棒性、复杂度、耗费的资源量、成本等。...
2023-02-02 15:34:00
48
YOLOV5 v6.1版，包含权重、火焰数据集等
2023-07-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人