Mefishes的博客

愿我们能在开源的环境下保持开放、包容、真实。

“**袋鼯麻麻——智能购物平台**”能够精准地定位识别每一个商品，并且能够返回完整地购物清单及顾客应付的实际商品总价格，极大地降低零售行业实际运营过程中巨大的人力成本，提升零售行业无人化、自动化、智能化水平。

使用Paddlehub，基于human_pose_estimation_resnet50_mpii，实现健身过程中杠铃动作标准度的判断并自动计数。

本项目采用PaddleX，基于Yolov3-DarkNet53模型，实现多目标垃圾分类检测，并选取EdgeBoard边缘部署设备对模型进行落地部署，从而加快垃圾分类效率，助力社会环保。

本项目基于Wechaty开源微信SDK，以微信为深度学习落地应用平台，融合PaddleClas、PaddleGan、PaddleHub等多个飞桨开发工具，集成笔者前期开源的多个项目([【Mural_Gan】壁画不止在莫高窟可以看到]、[垃圾分类]以及中医问答),致力于打造微信个人专属生活小助手，不止让您的生活更便捷，也让您的生活更加丰富多彩！

本文总结了百度AI达人创造营第一期第一课四位导师的创意思路，并结合笔者个人的一些思考和看法。

本竞赛的目标是检测出商品的外接矩形框且识别出商品的类别（通过从商品库中检索出最相似的商品信息来确定待识别的商品类别）。

愿天下没有火灾，可爱的消防员叔叔都能平安

今天你打瞌睡了咩？

爸，这下你还敢抽烟吗？/邪笑我爸：这锅我不背！！

一个垃圾分类项目带你玩转飞桨多个产品（1）基于PaddleClas实现垃圾分类，导出inference模型并利用PaddleHub Serving进行服务化部署。

PaddlePaddle实现波士顿房价预测AIStudio地址Github地址#加载飞桨、Numpy 和相关库import paddleimport paddle.fluid as fluid # 飞桨主库import paddle.fluid.dygraph as dygraph # 动态图类库from paddle.fluid.dygraph import Linearimport numpy as npimport randomimport os

Github相关地址AIStudio地址常见的深度学习网络结构全连接网络结构  全连接(Fully Connected, FC)网络结构是最基本的神经网络/深度神经网络层，全连接层的每一个节点都与上一层的所有节点相连。全连接层在早期主要用于对提取的特征进行分类，然而由于全连接层所有的输出与输入都是相连的，一般全连接层的参数是最多的，这需要相当数量的存储空间和计算空间。参数的冗余问题使单纯的FC组成的常规神经网络很少会被应用于较为复杂的场景中。常规神经网络一般用于依赖所有特征的简单场景，比如房价预测

DL 中常用的Python库Numpy 操作  Numpy(Numerical Python extension)是一个第三方的Python包，主要用于科学计算。array模块# array 的基本操作import numpy as np a = [1, 2, 3, 4] # a是python中的list类型b = np.array(a) # 数组化之后的b的类型变为 arrayprint(type(b)) # b的类型为&