诸葛建站

DirectML 是什么DirectML 是微软提供的类似于CUDA的基础计算框架, 不同于CUDA必须使用N卡GPU, DirectML要求显卡支持DirectX 12即可, 所以AMD和intel的核显也能支持.Pytorch 要使用 DirectML 作为计算的backend, 需要安装python库 torch-directml, 经测试torch-directml和DirectML...

贾志刚老师的博文 https://blog.csdn.net/jia20003/article/details/134973175

可编辑模式下安装 python 包一般情况下, 我们使用的是 pip install pkg 来完成包的安装, 默认的安装的目标目录在 site-packages 下, 这种情况非常适合我们引用某些成熟包.如果我们想要给github某个项目贡献PR, 或者仅仅要魔改一下某个项目, 可以使用 editable 模式来安装.editable 模式的优点有:安装的目标目录可以使任意目录, 不...

在参考文献1中作者给出了多种注意力实现机制, 并指出了 ResCBAM 机制涨点效果最好, 给提供非常详尽的工程化说明.代码示例:https://github.com/ruiyangju/fracture_detection_improved_yolov8https://github.com/mkang315/BGF-YOLO/tree/mainhttps://github.com/pyth...

钢板缺陷识别-机器视觉案例-Kaggle比赛https://blog.csdn.net/weixin_46614841/article/details/122202408https://github.com/PaddlePaddle/awesome-DeepLearning/tree/master/Paddle_Industry_Practice_Sample_Library/paddlex_...

Yolov5-on-Flask项目: https://github.com/muhk01/Yolov5-on-Flask发现自: https://github.com/codingonion/awesome-yolo-object-detection?tab=readme-ov-file#web-implementation

双向金字塔结构代码及文章YOLOv8改进-bifpn: https://blog.csdn.net/weixin_45303602/article/details/132135514YOLOv8主干网络改进 添加加权双向金字塔结构的特征加强模块BiFPN https://zhuanlan.zhihu.com/p/674887344...

论文论文地址: https://www.mdpi.com/2227-9717/12/1/205Research on an Intelligent Identification Method for Wind Turbine Blade Damage Based on CBAM-BiFPN-YOLOV8Processes ( IF 3.5 ) Pub Date : 2024-01-18 ,...

SAHI 资料yolov8示例代码: https://github.com/obss/sahi/blob/main/demo/inference_for_yolov8.ipynb测试图像: https://github.com/obss/sahi/blob/main/tests/data/small-vehicles1.jpeg原理介绍: https://learnopencv.com/s...

Windows 窗体应用可以使用一些现成的C#类库实现yolov8的predict功能, 本文使用https://github.com/dme-compunet/YoloV8 项目的nuget包.集成方法非常简单, 但发现这种方式预测准确度下降了很多, 看来还是使用Python API预测更好一些.GPU版环境准备选定 Onnx runtime 版本, https://onnxrunti...

https://learnopencv.com/train-yolo-nas-on-custom-dataset/https://learnopencv.com/yolo-nas/https://docs.deci.ai/super-gradients/latest/documentation/source/ObjectDetection.htmlhttps://docs.deci.ai/sup...

tensorboard 功能Yolov8源码已经集成了很多个metrics监控系统, 源码位置: ultralytics\utils\callbacks\, 包括 wandb、 tensorboard、 clearml 等等.和其他系统相比, tensorboard 功能较弱. yolov8 自动集成 tensorboard 功能包括:查看学习率查看mAP/precision/reca...

参考文档:https://docs.ultralytics.com/modes/predict/#working-with-resultshttps://zhuanlan.zhihu.com/p/655162922https://thinkinfi.com/motorcycle-helmet-detection-using-deep-learning/示例说明可提前将预训练的 yolov...

本文内容基本摘抄自公众号文章: 小目标检测问题分析和优化思路小目标检测面临的挑战:可用特征少定位精度要求高数据集中的小目标数量占比少小目标标注面积占比小样本不均匀问题小目标聚集问题网络结构问题优化思路1: 数据增强数据增强是一个提升检测性能简单有效方法, 我们可以使用数据增强方法扩充数据集规模、丰富数据集的多样性，人为提升小目标在整个数据集中的占比，使得网络能充分学习到...

我自己找的文章https://blog.csdn.net/qq_42452134/category_12534068.htmlhttps://zhuanlan.zhihu.com/p/655162922https://www.zhihu.com/people/wang-kai-48-8-50/zvideosYolo家族的进化https://mp.weixin.qq.com/s/f5_o55o...

Wandb 概述WandB 即 Weigtht and Bias的缩写, 是深度学习中经常使用的metrics记录工具, 功能比TensorBoard强大, 主要功能有:它可以记录每次训练的版本信息, 包括超参、tag、project 等自动上传云端，方便将多台机器的实验做对比分析强大的表格功能，可以轻松管理海量模型支持离线数据上传功能，实验完成后可以离线上传数据支持局域网部署服务...

测试场景我的电脑没有GPU, 想着升级增加内存多少会提升一下深度学习的速度, 实践证明, 增加内存并不能提升速度, 连一星点效果都没有, 原因也简单, 瓶颈在CPU上而不是内存.如果手上没有GPU的电脑, 还是直接在算力平台上租用靠谱.测试结果如下:内存batch内存使用率5 epoch耗时161680%20分401640%20分4032...

下图GPU排行榜摘自 AutoDL 主页, <https://www.autodl.com/home>有空查一下下面几款的价格, 貌似性价比可以的.

模型可视化netron网站netron源码标签格式转换roboflow提供的工具: https://roboflow.com/formats/yolov8-pytorch-txt文章: https://zhuanlan.zhihu.com/p/461488682代码: https://github.com/KKKSQJ/DeepLearning/blob/master/others/...

模型训练通用规则:如果 train 效果挺好, 但test或predict效果较差, 说明 overfit 了. 原因有: (1)模型太复杂了, 这时候应该减少epoch 或者使用更小scale的模型. (2) train数据集太小, 这时候需要增加训练数据如果 train 效果不佳, 可以使用更大规模的模型, 或者增加训练数据, 或者增大 epoch.计算过程中不用关心 loss 是否...