hutao1030813002的博客

回顾一下本项目的完整实现步骤：1.配置相应训练环境，安装必要的安装包以及npm；2.整理草莓叶子、花朵、果实数据集，以及无人机拍摄的数据集，进行人工标注；3.采用YOLO网络训练模型（可以选择任意版本的网络结构，但是需要在本代码中进行相应更改）；4.模型训练完成在后端加载，所有检测识别结果在后端检测完成，然后上传到前端（前端界面也可以进行任意的设计）；最后有需要完完整代码和数据集，可以加微信号wxid_cn1zsaudo0pn22付费获取，也可以一起交流。

用Python对我们自己标注的数据集转化为YOLO训练需要的txt文件一. 数据分类在项目的根目录下新建一个maketxt.py文件。该脚本会在straw/ImageSets文件夹下生成：trainval.txt, test.txt, train.txt, val.txt，内容如下图所示，将图片分成了训练集，验证集和测试集，并将文件名（不带扩展名）汇总在txt文件中。import osimport randomtrainval_percent = 0.1train_percent = 0.9

用Python对数据集进行重命名新建一个rename.py 文件import ospic_path = "F:\\straw\\"def rename(): piclist = os.listdir(pic_path) total_num = len(piclist) i = 1 for pic in piclist: if pic.endswith(".jpg"): old_path = os.path.join(os

openvino推理部署一个简单的分类模型（详细过程）一些相关的资料：一、创建一个VS的新工程在新工程里添加源文件二、打开openvino提供的源码源码的文件路径如下图所示，找到这个Sample.sln文件，双击打开。打开后找到hello_classification的代码我们先将需要的头文件拿到我们新建的C++_openvino_study2工程中来，我们会发现他会报错。这是因为我们没有配置头文件目录。首先配置好包含目录中的opencv库和推理库，解决头文件报错问题，将报错的头文件

将训练好的pytorch模型的pth文件转换成onnx模型（亲测成功）模型转换由于我们要进行openvino部署，pytorch模型不能直接转化为openvino部署所需要的IR中间文件。openvino只接受tensorflow、caffe、onnx等模型直接生成IR文件。因此我们要先将pytorch模型转化为onnx模型，在将onnx模型生成.xml和.bin文件。代码如下：import torchimport torchvisiondummy_input = torch.randn(1

一、openvino安装要求这里以上是我的学习笔记，希望对大家有用。最近在学习openvino模型部署，CSDN和知乎同步更新，欢迎大家和我交流。开发平台要求：1》处理器：第6代至第11代Intel®Core™和Intel®Xeon®处理器2》win10系统（64）软件要求：1》OpenCV3.4或更高版本2》VS 2015、2017、2019（我推荐2017，2019还不太稳定）3》CMake 2.8或更高（一般用最新的）4》python3.6或更高版本注意：以上软件都必须先装好，

从数据集中随机抽取部分图片到另一个文件夹背景由于电脑配置有限，做深度学习任务时，代码跑得太慢，因此对数据集进行缩小，而且我需要的是一个序列的数据集，数据图片不能集中在莫一块，人工划分费时费力，效果还不好。我一共有五个文件夹，全部是雾天图片数据集。每个文件夹大概都有10000+的图片。目前我只需要每个文件夹一千张。代码import os, random, shutildef moveFile(fileDir): pathDir = os.listdir(fileDir)

用pyinstaller打包pytorch环境下的深度学习模型，实现通过exe应用实现界面显示模型的分类效果训练深度学习模型和界面显示，看我之前的博客，链接在下面：通过残差网络实现CLFAR-10分类，并通过界面显示环境1.python3.72.pycharm3.pytorch4.window105.pyqt5、pyinstaller等用的各种库pyinstaller的使用1,用python的包安装管理pip自动安装pyinstallerpip install pyinstaller

用Python实现KNN算法（从原理到代码的实现）环境1.Pycharm2.python3.6一、KNN算法的原理1.1算法介绍KNN的全称是K Nearest Neighbors，意思是K个最近的邻居，从这个名字我们就能看出一些KNN算法的蛛丝马迹了。K个最近邻居，毫无疑问，K的取值肯定是至关重要的。那么最近的邻居又是怎么回事呢？其实啊，KNN的原理就是当预测一个新的值x的时候，根据它距离最近的K个点是什么类别来判断x属于哪个类别。听起来有点绕，还是看看图吧。图中绿色的点就是我们要预测的

程序报错：PermissionDeniedError (see above for traceback): Failed to create a directory: /; Permission denied这是Tensorflow使用Saver保存模型，出现的bug出现问题的代码如下：model_save_path = "/model"model_name = "model_weight.ckpt"只需要在文件名前加上“./"就能解决model_save_path = "/model"

tf.greater()和tf.where()loss= tf.reduce sum(tf where(tf.greater(v1，v2)(vl-v2) * a , (v2 - vl) * b)) tf.greater(v1,v2)意思就是比较V1和V2的大小，如果V1>V2则返回true，否则返回False。而tf.where(A, v3,v4),如果A=true，则返回V3，如果A=False，则返回V4。故：代码块的意思就能很好的理解了。再给出一个实例：import tenso

声明：本文为博主原创文章，转载请附上博文链接！以下只是初学tensorflow的总结和遇到的问题基于TensorFlow在模拟数据集上训练一个神经网络以下是代码和我的一些标注：import tensorflow as tffrom numpy.random import RandomStatebatch_size = 8w1 = tf.Variable(tf.random_normal([2, 3], stddev=1, seed=1))w2 = tf.Variable(tf.ran.

最新cuda9.0、cudnn7.0 windows下载(百度云下载)因为跑一个代码环境是tensorflow1.10，找的很多cuda和cudnn的下载，有用户分享的免费的百度云的链接大都失效了，我将我使用的cuda9.0 以及cuda9.0的补丁 和cudnn7.0的版本上传到百度云，供需要的用户下载。希望下载的用户给我评论一个66让我知道我的上传是有价值的。链接：https://pan.baidu.com/s/1Vv9xXUFjQLepwK7Vt7Azzw提取码：ht89...

pytorch实战：ResNet-18实现CLFAR-10图像分类，并利用PyQt5进行人机界面显示实验环境：1.pytorch-1.6.02.python-3.7.93.window-104.pycharm5.pyqt5(相应的QT Designer及工具包)CLFAR-10的数据集作为一个初学者，在官网下载CLFAR-10的数据集下载速度不仅慢，而且不是常用的图片格式，这里是转换后的数据集，有需要的可以直接百度云盘提取。链接：https://pan.baidu.com/s/1l7wvW