落难Coder-CSDN博客

原创丝滑切换多个LoRA权重（LoRA加载与卸载方法）

对于 LoRA 方法特别说明：要合并并卸载当前激活的适配器，以便 LoRA 的权重被添加到基础模型的权重中，并移除注入的模型以恢复基础的 transformers 模型（同时保留添加的 LoRA 权重），请使用。

2024-08-18 23:16:38 209

原创大语言模型（LLM）什么时候需要微调？微调的步骤是什么？

微调不是万能的。

2024-08-13 14:31:10 153

假设我们有一组包含简单中文文本的数据。我们首先对每条文本进行分词，然后计算每条文本的MinHash值，并使用LSH将这些值插入到一个可查询的结构中。最后，我们查询每个文本的MinHash，找出所有相似的文本。这种方法特别适合处理语义上相似的文本，而不仅仅是字面上完全相同的文本。在这个例子中：文档0和文档3非常相似，因为它们都描述了“今天天气好，适合出去玩”的情景，尽管用词略有不同。文档2和文档4虽然都提到了“明天有雨”，但用词和句式的不同可能使得它们的相似度低于阈值。

2024-08-08 14:14:56 657

原创 LLM 预训练监督微调阶段 tricks

🌟LLM的预训练tricks使用“base”模型进行继续预训练（而不是“chat”模型），“base”模型的能力是最好的，因为还没有进行人类价值观的对齐训练。缩放定律（Scaling law）是非常重要的，Scaling law不仅适用于LLM的预训练，也适用于有监督微调阶段的训练。对于预训练过程的超参数设置（Batch size / 学习率）应当参考来自其他论文或者先前工作的一些设置。继续预训练需要百万，千万甚至上亿的tokens训练语料，过少的训练语料不支持进行预训练工作。多阶段的继续预训练

2024-08-08 09:46:41 377

原创大模型Prompt Template格式

【代码】大模型Prompt Template格式。

2024-08-07 20:43:30 136

原创 PEFT配置文件LoraConfig中的target_modules参数详解

如果我们采用的是未在实现定义的大语言模型列表内，因此必须手动显示指定。如果你本地安装了pdft安装包，则可以在以下位置看到。针对了部分预制的大语言模型，定义了默认的。

2024-08-07 18:28:22 293

原创将扩充的中文 tokenizer 模型应用于自己的LLM模型上（embedding参数修改）

在中我们详细讲述了如何基于自己的数据对tokennizer模型进行训练调整。在本文中，我们将继续讲述基于SentencePiece扩充LLaMa的词表，但是扩充了词表后的下一步该怎么操作呢？如何将新增的token在模型的embedding层和lm_head层初始化呢？

2024-08-06 21:44:11 417

原创手把手带你了解和实践扩充 LLaMA 大语言模型的 tokenizer 模型（实现中文token过程）

开始训练，这里面有几个参数要注意一下，model_type分词算法选择bpe，split_digits为True，byte_fallback为True，和LLaMa 保持一致，max_sentence_length设置的大一点，更多参数解释可以查看：https://zhuanlan.zhihu.com/p/655281268 和 https://zhuanlan.zhihu.com/p/639144223。目前，大语言模型呈爆发式的增长，其中，基于llama家族的模型占据了半壁江山。

2024-08-06 21:40:02 611

原创 Transformer 理论与代码实践，一步一步详细剖析

在现在的大模型时代，核心还得是Transformer，Transformer是由谷歌于2017年提出，最初用于机器翻译的神经网络模型，在此衍生出了一系列的模型，BERT、T5、GPT、GLM、BLOOM、LLaMa等等从小模型到大模型都少不了他。Transformer最经典的模型结构图还得是论文中原汁原味的图关于这张图的讲解在其他的回答中有很多，简单总结下，左边是编码器(Encoder)，右边是解码器(Decoder)，N× 表示进行了 N 次堆叠。接下来分别对每个模块进行简述以及代码实现。

2024-08-06 21:35:12 1160

原创使用YOLOv8进行姿态估计（ONNX推理）

【代码】使用YOLOv8进行姿态估计（ONNX推理）

2024-08-02 19:22:57 182

原创 Huggingface的parquet数据转 json文件

【代码】Huggingface的parquet数据转 json文件。

2024-06-05 20:05:59 415

原创将你的GGUF模型发布到Ollama社区

【代码】将你的GGUF模型发布到Ollama社区。

2024-05-13 09:45:48 247

原创使用Ollama从头构建Embedding和RAG系统

检索增强生成（RAG）赋予大型语言模型新的能力，使其能够与任何大小的文档或数据集进行互动。接下来，请跟随我一起了解如何解析和操作文档，探讨如何利用嵌入向量来描述抽象概念，实现一种简单而强大的方法，以找出文档中与特定查询最相关的部分，并最终构建一个脚本，使本地托管的大型语言模型能够处理您自己的文档。

2024-04-05 15:33:23 5233

原创【大语言模型】Ollama使用指北

Ollama 默认提供 OpenAI 的兼容 API，默认端口是 11434，默认模型名是 run 后面使用的模型名，如果想使用 OpenAI 的模型名，可以通过ollama cp的方式，为模型起一个临时的名称。

2024-02-26 20:34:22 2705 1

原创使用argparse参数化你的Python代码

【代码】使用argparse参数化你的Python代码。

2023-10-30 09:41:03 174

原创 arxiv.org搜索特定会议特定年份以及特定关键词的论文

【代码】arxiv.org搜索特定会议特定年份以及特定关键词的论文。

2023-10-21 19:41:43 250

原创 ArXiv论文上传与发表的问题解决记录

在使用Latex编辑论文参考文献部分时，一般在百度谷歌学术上只能够获取到BibTex格式（bib），而有些期刊会议需要提供BibItem格式（bbl）。根据查看到的资料，详细描述一种批量将bib格式文件转为bbl文件，而bbl文件中的内容即为BibItem格式。

2023-07-17 17:50:56 675

原创在具体领域中微调LLM模型的方案实施建议

大参数的模型比高精度的模型要好；模型的预训练虽然会付出极高的代价，但是效果也会提升比较明显；强化学习在一般的微调任务中很有必要加入；适当的在数据中引入历史对话可能有一定的提升效果；

2023-06-02 19:17:27 1335 1

原创 Huggingface上传自己的预训练模型（大小权重都可以）

第一次上传可能出现让你输入账号密码，只需要按照要求输入即可。这里需要先到网站页面上进行设置然后复制过来进行登录。克隆来以后就可以把需要上传的文件放入到这个下载的。命令进行登录，登录过程中需要输入用户的。如果你想要手动创建，则可以直接在。就可以跳过这一步了。这个时候如果你发现你。

2023-05-26 18:22:11 2807 1

原创给静态博客设置一个访客地图

最近看见一个很酷的东西，也就可以在自己的博客中添加访问地图，让访问者可以浏览到自己的博客的访客都来自什么地方，网关的地址为：需要使用，首先需要进行登录，但是登录过程中有些麻烦，很有可能会出现网站访问不到的情况，要是出现这样的情况需要根据自己的实际情况确定自己的“上网方式”，申请完账号之后，填写自己网站的访问域名：。

2023-04-01 10:38:12 387 2

原创 Meta的LLama模型非官方下载方法

Llama模型是一个用于自然语言处理的大型语言模型，它由Meta AI开发，拥有65亿个参数。该模型的目的是帮助研究者在AI的子领域中推进他们的工作。Llama模型结构巨大，最小的模型LLaMA 7B也经过了超过1万亿个代币的训练。Llama模型的论文比较冗长，但通过阅读页面，可以了解该模型的下载方法和使用指南。除此之外，Llama模型的表现被认为比OpenAI的ChatGPT更优秀，部署教程和泄露版模型已经都被公开。

2023-03-29 09:10:47 12587 7

原创让谷歌浏览器不再显示不安全内容的提示

让谷歌浏览器不再显示不安全内容的提示

2023-03-22 21:11:58 1618 1

原创 centos7 安装 python3.9

登陆账户（root账户或者拥有 sudo 权限的账户）使用 wget 下载 python3.9。使用 tar 解压压缩包。配置 python 安装。

2023-03-22 18:27:28 779

原创完成向Git项目提交一次Pull requests的流程

prGithubforkpr4. 进行更改并提交，执行git status, 查看变更5. 执行git add命令，将这些变更加入到刚刚创建的分支git add .6. 使用git commit提交这些变更7. 把变更推送到8. 创建拉取请求，在GitHub仓库中可以看到一个按钮，点击它请提供必要的说明来介绍你所做的变更（可以使用“#”来引用议题）。提交拉取请求。恭喜！你已经成功创建了第一个拉取请求。

2023-03-14 13:27:03 550

原创为YOLOv5、YOLOv8带来全新的数据增强方式-合成雾增强算法

BestYOLO是一个以科研和竞赛为导向的最好的YOLO实践框架!目前BestYOLO是一个完全基于进行改进的开源库，该库将始终秉持以落地应用为导向，以轻便化使用为宗旨，简化各种模块的改进。目前已经集成了基于模型为Backbone的YOLOv5目标检测算法，同时也将逐渐开源更多YOLOv5应用程序。

2023-03-10 22:39:27 6823 8

原创 PyTorch保存和加载模型的两种方式

与Tensorflow、Keras等框架一样，Pytorch也提供了两种保存模型的方式：只保存模型参数保存完整模型。

2023-02-13 23:46:00 335

原创【深度学习】如何分配训练集、验证集、测试集比例

对于传统机器学习阶段（数据集在万这个数量级），一般分配比例为训练集和测试集的比例为7:3或是8:2。为了进一步降低信息泄露同时更准确的反应模型的效能，更为常见的划分比例是训练集、验证集、测试的比例为6：2：2。对于小规模样本集（几万量级），常用的分配比例是 60% 训练集、20% 验证集、20% 测试集。

2023-02-13 23:38:37 7440 2

原创 YOLOv5改进之替换Backbone为mobilenet v2

2023-01-29 13:08:20 1375

原创 YOLOv5改进之替换Backbone为efficientnet b1

2023-01-29 13:05:51 536

原创 YOLOv5改进之替换Backbone为EfficientNetV2 Small

2023-01-29 13:01:47 1861 3

原创 YOLOv5改进之替换Backbone为ResNet50

2023-01-29 12:59:02 4755 7

原创 YOLOv5改进之替换Backbone为ResNet34

2023-01-29 12:55:59 788

原创 YOLOv5改进之替换Backbone为ResNet18

2023-01-29 12:54:01 2082 3

原创 YOLOv5改进之替换Backbone为RegNety 400mf

2023-01-29 12:50:43 401

原创 YOLOv5改进之替换Backbone为EfficientNet B0

2023-01-29 12:47:08 926 1

原创 YOLOv5改进之替换Backbone为MobileNetV3 Small

2023-01-29 12:21:50 1945 2

原创人工智能、机器学习、深度学习相关术语表

适用于[License](https://github.com/microsoft/AI-System/blob/main/LICENSE)版权许可。

2023-01-16 10:18:05 374

原创 YOLOv8微信小程序来了，支持分类检测分割模型

YOLOv8微信小程序来了，支持分类检测分割模型

2023-01-15 16:02:14 1668 2

原创 YOLOv8模型网络结构图

YOLOv8模型网络结构图

2023-01-09 15:11:15 13402 9

原创 Latex空行消除大杀器（该方法价值一万块）

Latex空行消除大杀器（该方法价值一万块）

2022-12-29 12:50:39 6833 11

YOLOv5微信小程序源代码（可根据任务自己定制修改）

YOLOv5小程序，界面好看，支持修改成YOLOv5, v6, v7, v8, v9, v10以及YOLOx等各系列YOLO模型，支持本地与云端部署。功能特色： 1. 拥有检测识别功能； 2. 拥有美观的界面设计，可以自定义样式，更多美好的界面由你解锁； 3. 方便的内容说明，针对不同场景可以选择进行检测图的演示和部分结果说明； 4. 支持云端部署，实测CPU服务器上模型可在1s内返回结果；高级版请通过访问【https://mbd.pub/o/bread/YpuTlptu】购买

2024-08-08

基于大模型的知识库问答源代码

基于大模型的知识库问答

2024-08-08

《GPT 学术优化 (GPT Academic)》源代码

为GPT/GLM等LLM大语言模型提供实用化交互接口，特别优化论文阅读/润色/写作体验，模块化设计，支持自定义快捷按钮&函数插件，支持Python和C++等项目剖析&自译解功能，PDF/LaTex论文翻译&总结功能，支持并行问询多种LLM模型，支持chatglm3等本地模型。接入通义千问, deepseekcoder, 讯飞星火, 文心一言, llama2, rwkv, claude2, moss等。

2024-08-08

针对任何任务微调特定 SAM 模型 - 代码

随着 Meta 上周发布的分段任意模型 (SAM)，计算机视觉迎来了它的 ChatGPT 时刻。 SAM 经过超过 110 亿个分割掩模的训练，是预测性 AI 用例而非生成式 AI 的基础模型。虽然它在分割广泛的图像模式和问题空间的能力方面表现出了令人难以置信的灵活性，但它在发布时没有“微调”功能。

2024-08-08

BestYOLO：以科研和竞赛为导向的最好的YOLO实践框架!

目前BestYOLO是一个完全基于YOLOv5 v7.0 进行改进的开源库，该库将始终秉持以落地应用为导向，以轻便化使用为宗旨，简化各种模块的改进。目前已经集成了基于torchvision.models 模型为Backbone的YOLOv5目标检测算法，同时也将逐渐开源更多YOLOv5应用程序。

2024-08-08

《CareGPT (关怀GPT)医疗大语言模型》

CareGPT (关怀GPT)是一个医疗大语言模型，同时它集合了数十个公开可用的医疗微调数据集和开放可用的医疗大语言模型，包含LLM的训练、测评、部署等以促进医疗LLM快速发展。Medical LLM, Open Source Driven for a Healthy Future.

2024-08-08

《ChatGenTitle：使用百万arXiv论文信息在LLaMA模型上进行微调的论文题目生成模型》源代码

ChatGenTitle：使用百万arXiv论文信息在LLaMA模型上进行微调的论文题目生成模型

2024-08-06

《XrayGLM：首个会看胸部X光片的中文多模态医学大模型》源代码

最近，通用领域的大语言模型 (LLM)，例如 ChatGPT，在遵循指令和产生类似人类响应方面取得了显著的成功，这种成功间接促进了多模态大模型的研究和发展，如通用领域的多模态大模型MiniGPT-4、mPLUG-Owl、Multimodal-GPT和LLaVA ，然而，此类多模态大模型却很少出现在医学领域的研究中，阻碍了相关研究发展。visual-med-alpaca虽然在医学多模态大模型方面做出了一些很有成效的工作，然而其数据为英文诊断报告，不利于促进中文领域医学多模态大模型的研究发展。为此，我们开发了XrayGLM以解决上述问题。XrayGLM在医学影像诊断和多轮交互对话上显示出了非凡的潜力。

2024-08-06

《基于Sentence-BERT训练自己的文本相似度模型》源代码

BERT和RoBERTa在文本语义相似度等句子对的回归任务上，已经达到了SOTA的结果。但是，它们都需要把两个句子同时喂到网络中，这样会导致巨大的计算开销。这种结构使得BERT不适合语义相似度搜索，同样也不适合无监督任务（例如：聚类）。Sentence-BERT(SBERT)网络利用孪生网络和三胞胎网络结构生成具有语义意义的句子embedding向量，语义相近的句子其embedding向量距离就比较近，从而可以用来进行相似度计算(余弦相似度、曼哈顿距离、欧式距离)。这样SBERT可以完成某些新的特定任务，例如相似度对比、聚类、基于语义的信息检索。

2024-08-06

《U-Net: 使用 PyTorch 进行语义分割》源代码

Unet是一个优秀的语义分割模型，其主要执行过程与其它语义分割模型类似。与CNN不同的之处在于CNN是图像级的分类，而unet是像素级的分类，其输出的是每个像素点的类别。Unet是一个优秀的语义分割模型，其主要执行过程与其它语义分割模型类似。与CNN不同的之处在于CNN是图像级的分类，而unet是像素级的分类，其输出的是每个像素点的类别。Unet是一个优秀的语义分割模型，其主要执行过程与其它语义分割模型类似。与CNN不同的之处在于CNN是图像级的分类，而unet是像素级的分类，其输出的是每个像素点的类别。Unet是一个优秀的语义分割模型，其主要执行过程与其它语义分割模型类似。与CNN不同的之处在于CNN是图像级的分类，而unet是像素级的分类，其输出的是每个像素点的类别。Unet是一个优秀的语义分割模型，其主要执行过程与其它语义分割模型类似。与CNN不同的之处在于CNN是图像级的分类，而unet是像素级的分类，其输出的是每个像素点的类别。

2024-08-06

机器学习/深度学习500问

机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深度学习500问机器学习/深

2023-03-27

高端上档次引导页HTML源码

高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码高端上档次引导页源码

2023-03-27

机器学习、深度学习画图PPT模板

机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板机器学习、深度学习画图PPT模板

2023-03-27

目标检测跌倒检测数据集

跌倒检测数据集，可用于目标检测模型训练，支持VOC，COCO，YOLO等各种数据格式转化。百度网盘链接，永久不失效。跌倒检测数据集，可用于目标检测模型训练，支持VOC，COCO，YOLO等各种数据格式转化。百度网盘链接，永久不失效。跌倒检测数据集，可用于目标检测模型训练，支持VOC，COCO，YOLO等各种数据格式转化。百度网盘链接，永久不失效。跌倒检测数据集，可用于目标检测模型训练，支持VOC，COCO，YOLO等各种数据格式转化。百度网盘链接，永久不失效。跌倒检测数据集，可用于目标检测模型训练，支持VOC，COCO，YOLO等各种数据格式转化。百度网盘链接，永久不失效。跌倒检测数据集，可用于目标检测模型训练，支持VOC，COCO，YOLO等各种数据格式转化。百度网盘链接，永久不失效。跌倒检测数据集，可用于目标检测模型训练，支持VOC，COCO，YOLO等各种数据格式转化。百度网盘链接，永久不失效。跌倒检测数据集，可用于目标检测模型训练，支持VOC，COCO，YOLO等各种数据格式转化。百度网盘链接，永久不失效。跌倒检测数据集，可用于目标检测模型训练，支持VOC，COCO，YOLO等

2022-11-13

十种林业害虫数据集，采取VOC格式标注，可用于目标前检测模型训练

压缩包提供下载的百度网盘链接，请放心购买，永久不失效。该数据集为自采集数据集，包含的数据类别：10类（丝带凤蝶、人纹污灯蛾、松墨天牛、日本脊吉丁、杨小舟蛾、杨扇舟蛾、柳蓝叶甲、桑天牛、褐边绿刺蛾、黄刺蛾），数据量：2262张，其中标注格式为VOC格式，可用于RCNN、YOLOv1-YOLOv7等各种目标检测模型训练。该数据集为自采集数据集，包含的数据类别：10类（丝带凤蝶、人纹污灯蛾、松墨天牛、日本脊吉丁、杨小舟蛾、杨扇舟蛾、柳蓝叶甲、桑天牛、褐边绿刺蛾、黄刺蛾），数据量：2262张，其中标注格式为VOC格式，可用于RCNN、YOLOv1-YOLOv7等各种目标检测模型训练。该数据集为自采集数据集，包含的数据类别：10类（丝带凤蝶、人纹污灯蛾、松墨天牛、日本脊吉丁、杨小舟蛾、杨扇舟蛾、柳蓝叶甲、桑天牛、褐边绿刺蛾、黄刺蛾），数据量：2262张，其中标注格式为VOC格式，可用于RCNN、YOLOv1-YOLOv7等各种目标检测模型训练。

2022-07-13

动态透明调调的交互式个人主页HTML源码

效果请查看：https://mianbaoduo.com/o/bread/mbd-YpqZlpZy 效果请查看：https://mianbaoduo.com/o/bread/mbd-YpqZlpZy 效果请查看：https://mianbaoduo.com/o/bread/mbd-YpqZlpZy 效果请查看：https://mianbaoduo.com/o/bread/mbd-YpqZlpZy 效果请查看：https://mianbaoduo.com/o/bread/mbd-YpqZlpZy 效果请查看：https://mianbaoduo.com/o/bread/mbd-YpqZlpZy 效果请查看：https://mianbaoduo.com/o/bread/mbd-YpqZlpZy 效果请查看：https://mianbaoduo.com/o/bread/mbd-YpqZlpZy 效果请查看：https://mianbaoduo.com/o/bread/mbd-YpqZlpZy

2022-07-13

基于百度EasyDL图像分类的通用微信小程序

百度EasyDL是零门槛AI开发平台，提供从数据采集、标注、清洗到模型训练、部署的一站式AI开发能力。对于各行各业有定制AI需求的企业用户来说，无论您是否具备AI基础，EasyDL设计简约，极易理解，最快5分钟即可上手学会，15分钟完成模型训练。本资源提供了将自己的图像分类任务训练并且通过公有云部署以后使用微信小程序部署给用户使用，使用简单，通过修改您训练的模型的AK和SK即可对接入该小程序，同时该小程序更可以在您的开发下拓展百度EasyDL的目标检测，图像分类等各种任务需求。

2022-07-13

手工采集的斑马线与人行道标注数据集，可用于YOLOv5等目标检测任务的训练

压缩包内提供百度网盘下载链接，永不失效。该数据集为自采集数据，包含训练集及验证集3880张，测试集1770张。标签为人行道和斑马线两种标签，目前支持XML与YOLO格式的目标检测网络训练。可用于道路安全、行人礼让等任务探索。该数据集为自采集数据，包含训练集及验证集3880张，测试集1770张。标签为人行道和斑马线两种标签，目前支持XML与YOLO格式的目标检测网络训练。可用于道路安全、行人礼让等任务探索。该数据集为自采集数据，包含训练集及验证集3880张，测试集1770张。标签为人行道和斑马线两种标签，目前支持XML与YOLO格式的目标检测网络训练。可用于道路安全、行人礼让等任务探索。

2022-07-13

可用于深度学习或者图像处理研究的农作物病虫害数据集

压缩包内提供百度网盘下载链接，永不过期！该数据集包含了水稻、玉米、小麦、甜菜、苜蓿、葡萄、柑橘、芒果共8种作物的75000 多幅图像。前五种作物为大田作物（FC， field crops），后三种为经济作物（EC，economic crops）。该数据集可以用于深度学习与农作物方面图像处理研究。该数据集包含了水稻、玉米、小麦、甜菜、苜蓿、葡萄、柑橘、芒果共8种作物的75000 多幅图像。前五种作物为大田作物（FC， field crops），后三种为经济作物（EC，economic crops）。该数据集可以用于深度学习与农作物方面图像处理研究。该数据集包含了水稻、玉米、小麦、甜菜、苜蓿、葡萄、柑橘、芒果共8种作物的75000 多幅图像。前五种作物为大田作物（FC， field crops），后三种为经济作物（EC，economic crops）。该数据集可以用于深度学习与农作物方面图像处理研究。

2022-07-13

YOLOv5快速训练助手

YOLOv5自诞生发展到现在的version6.1版本，一直被官方应用在工农商学各个行业中，但是每次出于数据制作的麻烦总是不可避免，本工具为个人亲手所写，是市面上第一个YOLOv5的数据集制作助手，它能在1分钟之内完成满足YOLOv5训练的数据集模式。除了笔者已开发的功能，还支持二次开发创作。 YOLOv5自诞生发展到现在的version6.1版本，一直被官方应用在工农商学各个行业中，但是每次出于数据制作的麻烦总是不可避免，本工具为个人亲手所写，是市面上第一个YOLOv5的数据集制作助手，它能在1分钟之内完成满足YOLOv5训练的数据集模式。除了笔者已开发的功能，还支持二次开发创作。 YOLOv5自诞生发展到现在的version6.1版本，一直被官方应用在工农商学各个行业中，但是每次出于数据制作的麻烦总是不可避免，本工具为个人亲手所写，是市面上第一个YOLOv5的数据集制作助手，它能在1分钟之内完成满足YOLOv5训练的数据集模式。除了笔者已开发的功能，还支持二次开发创作。

2022-06-08

可用于深度学习训练的烟雾火灾数据集

自采集和搜集整理的烟雾和火灾数据集，数据集包括2w+图片，所有图片均采用VOC格式进行标注，标注的数据的类别有烟雾和火焰两种，比赛、毕设不可错过的必要数据集。提供的下载方式为百度网盘，下载文件中有下载的链接地址，请放心下载。自采集和搜集整理的烟雾和火灾数据集，数据集包括2w+图片，所有图片均采用VOC格式进行标注，标注的数据的类别有烟雾和火焰两种，比赛、毕设不可错过的必要数据集。自采集和搜集整理的烟雾和火灾数据集，数据集包括2w+图片，所有图片均采用VOC格式进行标注，标注的数据的类别有烟雾和火焰两种，比赛、毕设不可错过的必要数据集。自采集和搜集整理的烟雾和火灾数据集，数据集包括2w+图片，所有图片均采用VOC格式进行标注，标注的数据的类别有烟雾和火焰两种，比赛、毕设不可错过的必要数据集。自采集和搜集整理的烟雾和火灾数据集，数据集包括2w+图片，所有图片均采用VOC格式进行标注，标注的数据的类别有烟雾和火焰两种，比赛、毕设不可错过的必要数据集。

2022-06-02

Labelimg中文版

官方的labelimg是英文版的界面，我这里通过修改字体包，将界面修改成了中文版，大家可以下载直接使用，再也不用担心英文的困扰了！LabelImg 是一个可视化的图像标定工具。Faster R-CNN，YOLO，SSD等目标检测网络所需要的数据集，均需要借此工具标定图像中的目标。生成的 XML 文件是遵循 PASCAL VOC 的格式的。官方的labelimg是英文版的界面，我这里通过修改字体包，将界面修改成了中文版，大家可以下载直接使用，再也不用担心英文的困扰了！LabelImg 是一个可视化的图像标定工具。Faster R-CNN，YOLO，SSD等目标检测网络所需要的数据集，均需要借此工具标定图像中的目标。生成的 XML 文件是遵循 PASCAL VOC 的格式的。官方的labelimg是英文版的界面，我这里通过修改字体包，将界面修改成了中文版，大家可以下载直接使用，再也不用担心英文的困扰了！LabelImg 是一个可视化的图像标定工具。Faster R-CNN，YOLO，SSD等目标检测网络所需要的数据集，均需要借此工具标定图像中的目标。生成的 XML 文件是遵循 PASC

2022-05-19

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人