Jie_MSD的博客

【深度学习 招式篇】制作VOC数据集必看！ 各种快捷所需python代码 YOLO 训练自己的数据集批量 更改该目录下所有文件名 【change_mingzi.py】遍历一个文件夹下所有文件，提取生成目录形式的.txt文件【tiqu_name.py】批量查找 错误标记的.xml文件 遍历目录替换更改错误标注 比如cat（空格）改成cat 【change_label.py】将.xml转换为.txt 【这里提供2种方法】【xml_to_txt.py】【xml2txt.py】更换txt文件里指定字符为其他指定字符

【树莓派4B实现垃圾分类】Chap.0 项目概述 Tensorflow 1.14.0+Keras: 2.2.0+Opencv: 3.4+Python: 3.6+Numpy:1.16【深度学习 招式篇】一、项目概述二、数据集一、项目概述简介：该垃圾分类项目主要在于对各种垃圾进行所属归类，本次项目采用keras深度学习框架搭建卷积神经网络模型实现图像分类，最终移植在树莓派上进行实时视频流的垃圾识别。前期：主要考虑PC端性能，并尽可能优化模型大小，训练可采用GPU，但调用模型测试的时候用CPU运行，测试

【树莓派4B深度学习 yolo】Chap.1 给树莓派配置yolo模型（darknet-nnpack）【深度学习 招式篇】在树莓派4B上使用YOLOhttps://yanwei-liu.medium.com/raspberry-pi%E5%AD%B8%E7%BF%92%E7%AD%86%E8%A8%98-%E4%BA%8C%E5%8D%81%E4%B8%83-%E5%9C%A8pi%E4%B8%8A%E5%9F%B7%E8%A1%8Cyolov3-9cf124d5d582任剑杰一、运行方式：A

【树莓派4B深度学习 垃圾分类】Chap.3 树莓派安装opencv并测试视频接口实时视频流的垃圾分类【深度学习 招式篇】系统环境工程要求1.激活虚拟环境+进入代码+更改测试集路径2.安装必要的库3.电脑安装俩个文件4.将这俩个文件拷贝到树莓派上去5.在树莓派上安装这俩个文件之前先更新pip6.测试系统环境2020-08-20-raspios-buster-armhf-full工程要求opencv 3.4.6.271.激活虚拟环境+进入代码+更改测试集路径cd ~/Desktop/tf_pi

树莓派实现垃圾分类【深度学习图像识别】：keras+tensorflow1.把代码还有图片数据集集，用U盘拷到树莓派上。2.激活虚拟环境3.进入代码那里系统环境：2020-08-20-raspios-buster-armhf-full工程要求：Tensorflow 1.14.0 + Keras 2.2.4 + Python 3.71.把代码还有图片数据集集，用U盘拷到树莓派上。其实Filezilla这个FTP传输就很方便2.激活虚拟环境cd ~/Desktop/tf_pisource en

树莓派实现垃圾分类【深度学习图像识别】：keras+tensorflow1.配置好ssh和vnc之后，换源：2.python虚拟环境配置3.安装tensorflow1.14.04.安装keras5.开始测试；import keras前面加import os就能忽略提示。系统环境：2020-08-20-raspios-buster-armhf-full工程要求：Tensorflow 1.14.0 + Keras 2.2.4 + Python 3.71.配置好ssh和vnc之后，换源：第一步，先备份源文