K210本地模型训练官网教程

最新推荐文章于 2024-09-11 17:43:43 发布
最新推荐文章于 2024-09-11 17:43:43 发布
阅读量2.6k 收藏 9
点赞数 1
分类专栏： linux下ubuntu 文章标签： tensorflow python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44796372/article/details/116405241
版权

之前我都干什么！！！去各种奇奇怪怪的地方找教程，还是要看官方啊
https://github.com/sipeed/maix_train

Maix Bit K210在线训练模型【保姆级教程】
_
08-26 1万+
前言 Maixhub 提供模型训练功能和模型分享功能， 只需要准备好需要训练的数据集， 不需要搭建训练环境和代码， 上传训练数据即可快速训练出模型 目前 Maixhub 支持分类模型 和 目标检测模型的训练。 你需要做的： 1.确定目标， 是分类还是检测 2.根据使用说明制作符合要求的数据集 3.上传数据集等待云端自动训练 4.训练完成， 结果会通过邮件进行通知， 不管是成功还是失败，都会有邮件通知，里面有详细的任务信息和结果文件 Maixhub 模型训练平台使用说明 Ⅰ.功能介绍 Maixhub 模型训练
k210自学快速入门（附网址）
weixin_44733311的博客
12-27 3219
k210自学快速入门（附教程网址）
新手必看：从零起步，一步步教你如何训练自己的大型模型——完整教程大揭秘！
最新发布
大模型训练
09-11 859
新手必看：从零起步，一步步教你如何训练自己的大型模型——完整教程大揭秘！
K210官网训练教程
qq_55109721的博客
02-15 1385
最近做一个基于K210的疲劳检测训练，原来思路是三模型检测，一个模型检测人脸，裁切缩放到128*128像素，一个模型检测人脸关键点，将斜脸的照片修正为正脸，最后一个模型基于128*128像素的照片进行识别睁眼闭眼张嘴闭嘴，然后判断是否疲劳。但是实际测试发现，三模型太大，K210手册说总内存才6MB，不仅会内存溢出，修改代码为每次循环加载模型，用完就删，发现帧率太低，遂舍弃三模型，改用双模型接下来教大家一下模型训练方法。
K210模型训练
冯小新的博客
07-26 1万+
转载JeckXu666神器！200元开发板运行神经网络模型，吊打OpenMV！（保姆级教程）_JeckXu的博客-CSDN博客_k210和openmv哪个好用 文章目录 神器！200元开发板运行神经网络模型，吊打OpenMV！（保姆级教程） 一、前言 二、开发准备（软件+环境） 三、获取训练图片 3.1 手机获取图片 3.2 通过K210进行图片拍取 四、获取训练集 五、网络平台训练 5.1 获取机器码 5.1.1 下载固件 5.1.2 串口读取 5.2 提交训练集到模型平台 六、模型导入 6.1 压..
K210训练模型
qq_42733748的博客
04-12 3785
K210模型的训练 2.打开YOLOV3，打开工具集，进行打标签操作 3.选择标签集保存地址 4.标签完成，准备训练工作，开始训练 5.复制.h5和.tflite文件到标签集和数据集的目录下 6.复制训练完成弹出的文件夹下的lable.txt和anchors.txt的这两个文件和模型转化成功后的.kmodel文件到SD卡中去 7.写入boot.py程序 import sensor import image import lcd import
K210定时器官网资料
lmf666的博客
12-08 1534
machine.Timer 硬件定时器，可以用来定时触发任务或者处理任务，设定时间到了后可以触发中断（调用回调函数），精度比软件定时器高。 需要注意的是，定时器在不同的硬件中可能会有不同的表现。MicroPython 的 Timer 类定义了在给定时间段内（或在一段延迟后执行一次回调）执行回调的基本操作，并允许特定的硬件上定义更多的非标准行为（因此不能移植到其他板）。 共有 3 个定时器， 每个定时器有 4 个通道可以使用 1. 构造函数 class machine.Timer(id, channel,
K210在Windows10的本地训练
qq_43542732的博客
12-19 5367
该教程主要记录自己使用K210在Windows10下面的训练过程
K210官网云端目标检测模型训练-使用vott进行图像标注一
qq_44796372的博客
05-10 2402
之前一直数据集无效，一度企图在Ubuntu下进行本地模型训练，结果发现这个更难顶，每天都是套娃小王子。今天我终于云端训练成功了！！！ 官网链接 Maixhub 模型训练平台 Maixhub 模型训练平台使用说明 vott安装 vott安装包 MaixPy IDE安装 MaixPy IDE 安装包 提取码：8ykb 照片采集 一开始我用的是手机拍的做模型，可以用，但是精确度不如直接用K210拍摄的好。 需要注意的一点就是分辨率，我采用的是224x224，通过按开发板上面的两个KEY进行照片的拍摄和图像类别
K210学习笔记（十二）——MaixHub本地训练模型（Windows）
Thousand_drive的博客
04-25 1万+
文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 前言 一、pandas是什么？ 二、使用步骤 1.引入库 2.读入数据 总结
致小白的K210模型训练与运用
热门推荐
moshanghuaw的博客
01-26 3万+
致小白的K210模型训练与运用 文章目录致小白的K210模型训练与运用前言一、模型训练方法二、详细介绍1.使用MixHub平台进行训练2.使用Mx-yolov3自己搭建平台进行训练3.V3模型4.V4模型 前言 由于我也是刚接触K210不久，并且对python没有太多的了解，但是又想自己训练模型，于是花了挺多的时间在找寻简单的模型训练方法，本来是在几天前就找到了简单的模型训练方法，但是后来在使用的过程中出了点问题，直到今天才把问题勉强解决。所以写下本文来记录一下我所使用的K210模型训练方法，希望能给
Mx-yolov3+Maixpy+ K210进行本地模型训练和目标检测
戚晨夕的博客
10-30 2万+
我接触K210同样也是因为一次比赛，需要进行目标检测并对垃圾进行分类，在接触到K210之前我一直使用各种YOLO版本检测，并部署到树莓派和nano上，一次偶然的机会，我发现了K210，这里要感谢我的一位学长，是他带着我开始了K210的学习，让我从盲目的命令行指令转到Maxipy上使用Python来学习K210。我写下这篇博客是为了记录我的学习生活，并感谢这位帮助我的学长。 文章目录前言一、所需环境1.硬件环境2.软件环境二、Mx-yolov31.软件环境配置1.python环境2.相关依赖包3.GPU训练配
K210 模型训练笔记
Ye__o的博客
08-05 1357
本地训练模型
k210——Maixhub 云端模型训练
weixin_56321457的博客
08-11 5594
k210——Maixhub 云端模型训练
K210模型训练（物体分类）
qq_57922194的博客
11-11 5144
首先老规矩先打开我们的Maix IDE官网 https://wiki.sipeed.com/ 我们采用的是MaixHub模型训练平台，当然除了这个训练平台还有很多种方法进行训练。 比如： 1.本地模型训练——Linux https://wiki.sipeed.com/soft/maixpy/zh/course/ai/train/local.html 2.本地训练——windows （1）本地训练——windows环境配置 ...
最详细的K210模型训练步骤
m0_68512456的博客
05-12 6769
大家好，相信大家在用K210开发板的时候都会遇到不会训练模型的情况，我也遇到同样的问题，现在我教一下你怎么训练自己的模型吧
K210视觉识别模块学习笔记8:Mx_yolo3本地模型训练环境搭建_部署模型到亚博canmv(失败)
NULL指向我的博客
07-25 1285
这里就简单地提示一下下载安装哪些软件，然后主要是使用Mx_yolo3 进行本地训练模型的......
K210 Mx-yolov3模型训练和物体识别
UncleMie的博客
02-22 1万+
K210 Mx-yolov3模型训练和物体识别
K210训练模型（必看）
qq_52922445的博客
12-07 3001
K210训练模型 目的：识别羽毛 ----------------------记录篇 参考资料：GitHub大神的 记录：
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

花若柳絮迎风起

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值