Python
文章平均质量分 51
Python开发。
信必诺
但愿绝望和无奈远走高飞..
展开
-
Python —— Windows10下通过Opencv-dnn推理Yolov5的分割模型(pt转onnx)(附源码)
Python —— Windows10下通过Opencv-dnn推理Yolov5的分割模型(pt转onnx)(附源码)原创 2023-05-10 10:33:54 · 618 阅读 · 1 评论 -
Python —— Windows10下训练Yolov5分割模型并测试
Windows10下训练Yolov5分割模型并测试原创 2023-05-04 21:22:28 · 1025 阅读 · 0 评论 -
Python —— 解析Yolov5 - train.py、export.py
Python —— 解析Yolov5 - train.py原创 2023-03-24 11:22:25 · 4669 阅读 · 2 评论 -
Python —— 解析Yolov5 - detect.py
熟悉Yolov5自带detect.py(调参)原创 2023-03-22 16:45:55 · 3805 阅读 · 0 评论 -
OpenCv —— Win10使用OpenCv调用Yolov5的.pt导出的.onnx模型进行测试【GPU版Cv】(附源码、附CV编译视频)
OpenCv —— Win10使用OpenCv调用Yolov5的.pt导出的.onnx模型进行测试【GPU版Cv】(附源码)原创 2023-02-28 14:28:22 · 655 阅读 · 1 评论 -
OpenCv —— Win10使用OpenCv调用Yolov5的.pt导出的.onnx模型进行测试【CPU版Cv】(附源码、附CV编译视频)
OpenCv —— Win10使用OpenCv调用Yolov5的.pt导出的.onnx模型进行测试原创 2023-02-27 18:15:27 · 1265 阅读 · 0 评论 -
Python —— Win10将Yolov5的.pt模型导出为.onnx模型
Python —— Win10将Yolov5的.pt模型导出为.onnx模型原创 2023-02-24 15:31:51 · 1900 阅读 · 0 评论 -
Python —— Pytorch训练集指令、测试数据指令
Python —— Pytorch训练集指令、测试数据指令原创 2023-02-23 18:52:53 · 329 阅读 · 0 评论 -
Python —— Windows10下配置Pytorch环境、进行训练模型并测试(完整流程,附有视频)
Windows10下配置Pytorch环境原创 2023-02-21 15:07:41 · 2483 阅读 · 0 评论 -
OpenCv —— 在VsCode中编写Python调用cv2.dnn模块识别不同物体(附完整源码)
在VsCode中编写Python调用cv2.dnn模块识别不同物体原创 2023-02-20 11:24:17 · 347 阅读 · 0 评论 -
VsCode —— 配置Python开发环境
VsCode —— 配置Python开发环境原创 2023-02-16 10:06:34 · 1186 阅读 · 0 评论 -
Python —— 修改桌面壁纸
开发环境 Vs2017、Python3 注意,python调用了win32api,所以需要执行安装命令:pip install pywin32 代码import win32api, win32gui, win32api, win32conimport time#import cv2def setWallPaper(pic): # open register print(pic) regKey = win32api.RegOpenKeyEx(win原创 2022-01-06 20:20:55 · 2510 阅读 · 0 评论 -
Python —— 推流rtmp
前言Python推流本质是调用FFmpeg的推流进程,所以" pipe.stdin.write(img.tobytes()) "这句话报错时,可以考虑是FFmpeg没有配置的原因。 推流术语…省略。 代码import cv2# subprocess 模块允许我们启动一个新进程,并连接到它们的输入/输出/错误管道,从而获取返回值。import subprocess# 视频读取对象cap = cv2.VideoCapture(".../xx.mp4") # 读取一帧原创 2021-12-15 19:39:17 · 7492 阅读 · 8 评论 -
Python —— cv2录像
python调用opencv录像原创 2021-12-15 19:11:53 · 4545 阅读 · 0 评论 -
编写高质量Python代码的59个有效方法(全新)
经典佳作目录 第一条:确认自己使用的Python版本 第二条:遵循PEP风格指南 第三条:了解bytes、str、与unicode的区别 第四条:用辅助函数来取代复杂的表达式 第五条:了解切割序列的方法 第六条:在单词切片操作内,不要同时指定start、end和step 第七条:用列表推导式来取代map和filte...原创 2019-11-08 22:29:41 · 419 阅读 · 0 评论