- 博客(10)
- 收藏
- 关注
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