人工智能
文章平均质量分 69
学习人工智能
肖申克的陪伴
人工智能专业硕士研究生在读,主攻计算机视觉领域,相关的有图像分类,目标检测,语义分割,也可以开发Python web项目,我可以为计算机、人工智能专业本科生和研究生提供排忧解惑的服务。如果您有任何问题或困惑,欢迎随时来dd我哦!
展开
-
AI大模型的现状与发展
AI大模型是人工智能领域的一个重要方向和趋势,它为我们带来了更多可能性和机遇,也为我们带来了更多挑战和风险。通过持续地研究、讨论、创新、合作、监管等方式,我们可以期待AI大模型在未来取得更多突破和进步,并为我们带来更好的生活。原创 2023-07-14 09:10:10 · 510 阅读 · 0 评论 -
玩耍的猫咪【 InsCode Stable Diffusion 美图活动一期】
InsCode是一个集成了在线IDE、在线AI编程、在线算力租赁、在线项目部署以及在线SD 模型使用的综合代码开发平台。Stable Diffusion是目前最火的AI绘画工具之一,它是一个免费开源的项目。通过Stable Diffusion,可以很轻松的通过文字描述,生成对应的图片。Stable Diffusion WebUI把Stable Diffusion模型进行了封装,提供更加简洁易操作的界面,自身还可以通过插件等方式获得更多能力。原创 2023-07-03 15:04:40 · 1017 阅读 · 0 评论 -
pytorch简单入门
PyTorch是一个基于Python的科学计算库,主要针对两类人群:NumPy使用者和深度学习研究人员。它提供了灵活的高效的GPU加速计算,并且具有广泛的工具箱,可以支持复杂的神经网络架构。在本篇博客中,我将向您介绍如何入门PyTorch。我们将从安装PyTorch开始,然后探索其基本张量、自动微分和模型构建。最后,我们将用一个简单的神经网络示例来演示如何将这些概念应用到实际问题中。原创 2023-06-24 13:12:23 · 277 阅读 · 0 评论 -
Jetson TX2 NX的GPIO引脚使用方式
通过使用Jetson GPIO库,我们可以轻松地控制Jetson TX2 NX的40针GPIO扩展器上的引脚。Jetson TX2 NX 的 GPIO接口是非常有用的工具,可以帮助我们轻松地将板子与其他设备集成在一起,实现各种应用场景。每个管脚组都具有数字输入/输出和PWM功能。要使用引脚,请在应用程序中通过其名称或编号进行引用,可以使用许多不同的编程语言和工具包来控制引脚,例如Python、C ++、C等。接下来,我们将GPIO模式设置为BOARD模式,这意味着我们将使用板子上的引脚编号来标识每个引脚。原创 2023-06-17 20:30:41 · 3079 阅读 · 1 评论 -
图像分类模型嵌入flask中开发PythonWeb项目
西红柿病害识别交流平台是一个专注于西红柿病害识别和交流的网站,用户可以通过该平台上传西红柿照片,进行病害识别和分类,并且可以在论坛中与其他用户交流和分享经验。下面是该平台的需求分析:用户端需求:(1)用户可以注册和登录账号。(2)用户可以上传西红柿照片进行病害识别和分类。(3)系统可以对上传的照片进行自动识别和分类。(4)用户可以在识别结果页面查看病害的名称和描述信息。(5)用户可以在社区中发布病害相关的问题或心得,也可以对其他用户发布的内容进行回复。原创 2023-06-07 12:55:33 · 1115 阅读 · 1 评论 -
AI歌手:新晋挑战者还是未来主流的替代者?
近日,一款名为“AI孙燕姿”的AI歌手火遍全网,其翻唱的林俊杰的《她说》、周杰伦的《爱在西元前》、赵雷的《成都》等歌曲让网友纷纷表示:“听了一晚上,出不去了。”那么,AI歌手是否有可能取代流行歌手成为主流呢?在这篇博客中,我们将从技术、市场、文化等多方面对这一问题进行探讨。原创 2023-05-24 14:31:47 · 1035 阅读 · 6 评论 -
ConvNeXt V2:与屏蔽自动编码器共同设计和缩放ConvNets,论文+代码+实战
本文利用MAE设计了全卷积掩码自编码器:FCMAE和新的全局响应归一化(GRN)层,并提出一个卷积主干新系列:ConvNeXt V2,它显著提高了纯ConvNet在各种视觉基准上的性能,最小的Atto版本仅有3.7M参数,而最大的Huge版本可高达88.9%准确率!摘要:在2020年代初,随着改进的架构和更好的表示学习框架的出现,视觉识别领域经历了快速的现代化和性能提升。例如,现代的ConvNets,如ConvNeXt 在各种场景中展现出强大的性能。原创 2023-04-03 20:30:21 · 2042 阅读 · 5 评论 -
混淆矩阵的生成
混淆矩阵(Confusion Matrix)是一个二维表格,常用于评价分类模型的性能。在混淆矩阵中,每一列代表了预测值,每一行代表了真实值。因此,混淆矩阵中的每一个元素表示了一个样本被预测为某一类别的次数。预测值=正例预测值=反例真实值=正例TPFN真实值=反例FPTN其中,TP表示真正例(True Positive),FN表示假反例(False Negative),FP表示假正例(False Positive),TN表示真反例(True Negative)。原创 2023-03-09 09:18:47 · 7650 阅读 · 5 评论 -
AttributeError: module ‘distutils‘ has no attribute ‘version‘解决跑pytorch代码报错
解决跑pytorch代码报错AttributeError: module 'distutils' has no attribute 'version'原创 2023-02-28 17:22:43 · 15584 阅读 · 22 评论 -
pip安装git
ERROR: Error [WinError 2] 系统找不到指定的文件。while executing command git clone -q https://github.com/philferriere/cocoapi.git ‘C:\Users\HASEE\AppData\Local\Temp\pip-req-build-60rcidcx’和系统找不到指定的文件。while executing command git http:.//然后就可以正常进行了。原创 2023-01-12 21:47:51 · 6169 阅读 · 2 评论 -
Jetson TX2 NX安装遇到的问题汇总
Jetson TX2 NX安装遇到的问题汇总原创 2022-11-24 19:56:24 · 1261 阅读 · 0 评论 -
VGG网络
VGG 在2014年由牛津大学著名研究组 **VGG**(**Visual Geometry Group**)提出,斩获该年 ImageNet 竞赛中 Localization Task(定位任务)第一名和 Classification Task(分类任务)第二名。原创 2022-10-22 15:00:24 · 797 阅读 · 0 评论 -
LeNet讲解以及搭建训练过程
Lenet 是一系列网络的合称,包括 Lenet1 - Lenet5,由 Yann LeCun 等人在 1990 年《Handwritten Digit Recognition with a Back-Propagation Network》中提出,是卷积神经网络的 HelloWorld。原创 2022-10-05 09:42:59 · 1065 阅读 · 0 评论 -
使用python将EISeg分割生成的24位深的彩图转换为8位深的彩图
而第二种是使用EISeg生成的图片进行模型训练,然而EISeg生成的是24位深的伪彩图,如下图(肉眼看是没有任何区别的,但就是不能送到模型中训练),需要进行转换,转换为8位深的伪彩图。一是用labelme进行打标签,然后根据json文件进行批量分割,这样的图片一般都是8位深的伪彩图,可以直接送到模型训练。将EISeg分割生成的24位深的彩图转换为8位深的彩图。这样就可以将一张24位深的伪彩图转换为8位的伪彩图。如果想要批量生成的,可以自行编写,也可以直接下载。下面展示将24位深的伪彩图转换为8位的伪彩图。原创 2022-09-20 14:31:24 · 2824 阅读 · 10 评论 -
ConvNeXt网络介绍,搭建以及训练
ConvNeXt网络介绍今年(2022)一月份,Facebook AI Research和UC Berkeley一起发表了一篇文章A ConvNet for the 2020s,在文章中提出了ConvNeXt纯卷积神经网络,它对标的是2021年非常火的Swin Transformer,通过一系列实验比对,在相同的FLOPs下,ConvNeXt相比Swin Transformer拥有更快的推理速度以及更高的准确率,在ImageNet 22K上ConvNeXt-XL达到了87.8%的准确率,参看下图。原原创 2022-05-01 17:14:39 · 10785 阅读 · 9 评论 -
使用python将数据集划分为训练集、验证集和测试集
划分数据集众所周知,将一个数据集只区分为训练集和验证集是不行的,还需要有测试集,本博文针对上一篇没有分出测试集的不足,重新划分数据集直接上代码:#split_data.py#划分数据集flower_data,数据集划分到flower_datas中,训练集:验证集:测试集比例为6:2:2import osimport randomfrom shutil import copy2# 源文件路径file_path = r"D:/other/ClassicalModel/other/flowe原创 2022-04-12 10:45:22 · 9322 阅读 · 10 评论 -
使用python划分训练数据集
划分数据集在实现机器学习的过程中,训练集是用来训练模型的,给模型输入和对应的输出,让模型学习它们之间的关系。验证集是用来估计模型的训练水平,比如分类器的分类精确度,预测的误差等,我们可以根据验证集的表现来选择最好的模型。划分数据集功能描述:将一个大数据集按比例划分为训练集和验证集(如下图)代码:#split_data.py# 划分数据集flower_data,数据集划分到flower_datas中,训练验证比例为8:2import osfrom shutil import copyimp原创 2022-04-02 10:53:42 · 10430 阅读 · 4 评论 -
AlexNet网络模型讲解搭建以及训练
一、AlexNet网络详解AlexNet是2012年ISLVRC 2012(ImageNet Large Scale Visual Recognition Challenge)竞赛的冠军网络,分类准确率由传统的 70%+提升到 80%+。 它是由Hinton和他的学生Alex Krizhevsky设计的。也是在那年之后,深 度学习开始迅速发展。该网络的亮点在于:(1)首次利用 GPU 进行网络加速训练。(2)使用了 ReLU 激活函数,而不是传统的 Sigmoid 激活函数以及 Tanh 激活函数原创 2022-03-31 10:02:50 · 17836 阅读 · 9 评论 -
_pickle.UnpicklingError: invalid load key, ‘H‘
_pickle.UnpicklingError: invalid load key, ‘H’遇到这种问题,大概率是因为那个预训练模型下载出问题了,导致文件不够完整,预训练模型加载不出来,所以说解决方案就是把预训练模型再下载一遍,然后重进加载就ok了...原创 2022-03-28 14:47:20 · 4635 阅读 · 2 评论 -
OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.
OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.OMP: Hint This means that multiple copies of the OpenMP runtime have been linked into the program. That is dangerous, since it can degrade performance or cause incor原创 2022-03-24 16:07:49 · 592 阅读 · 0 评论 -
Anaconda3中遇到的问题
1.Anaconda3环境搭建创建环境:conda create yolo_gao python=3.8yolo_gao为环境的名字,以后要经常用python版本建议3.7以上2.更换Anaconda3镜像源(国内)中科大conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/conda config --add channels https://mirrors.ustc.edu.cn/anaco原创 2022-03-03 15:46:46 · 96 阅读 · 0 评论 -
OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.
运行pytorch模型时,报错信息如下:OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.OMP: Hint This means that multiple copies of the OpenMP runtime have been linked into the program. That is dangerous, since it can degrade perfo原创 2022-03-01 20:20:04 · 393 阅读 · 2 评论 -
Can‘t get attribute ‘SiLU‘ on <module ‘torch.nn.modules.activation‘
错误代码:AttributeError: Can't get attribute 'SiLU' on <module 'torch.nn.modules.activation' from 'C:\\softwares\\Anconda\\envs\\yolo\\lib\\site-packages\\torch\\nn\\modules\\activation.py'>遇到这个问题,是因为torch版本太老,需要安装高版本的解决代码:pip3 install torch==1.9.0+c原创 2022-03-01 17:32:31 · 1792 阅读 · 0 评论