- 博客(6)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 Ultralytics YOLO11
YOLO11是Ultralytics YOLO系列实时物体探测器的最新版本，以尖端的精度、速度和效率重新定义了可能性。在之前YOLO版本令人印象深刻的进步的基础上，YOLO11在架构和训练方法方面进行了重大改进，使其成为各种计算机视觉任务的通用选择。
2024-10-10 23:59:30
332
原创 YOLO的使用方法
如果要在CUDA环境中安装，最佳做法是在同一命令中安装ultralytics、pytorch和pytorch-CUDA，以允许conda包管理器解决任何冲突，或者最后安装pytorch-CUDA，以便在必要时覆盖特定于CPU的pytorch包。Ultralytics YOLO11中的基准模式通过提供一个强大的框架来评估模型在各种导出格式下的速度和准确性，从而达到了这一目的。Ultralytics YOLO11中的导出模式提供了多种选项，可将训练好的模型导出为不同格式，使其可在各种平台和设备上部署。
2024-10-10 17:34:09
438
原创 配置与安装相关环境（Anaconda 和 Pycharm）
一个是官网，另外一个是国内镜像网站。首先下载安装包：根据提示，一步一步安装，安装成功后记得勾选添加环境变量。
2024-10-07 23:17:45
204
原创 AutoDL使用注意事项
1.AutoDL中的路径设置为：/root/+复制路径。2.path路径：/root/+复制路径2.train路径：./dataset/image/train;3.val路径：./dataset/image/val;4.test路径：./dataset/image/test;
2024-10-07 22:55:39
114
原创 YOLO数据集及其制作
数据集的大小对于模型的性能和泛化能力有很大影响。通常，更多的图片可以提供更多的信息，有助于模型学习到不同的场景和物体变化。如果你的数据集中存在类别不平衡的情况（某些类别的样本数量远远多于其他类别），可以考虑采取一些措施来平衡类别分布，例如过采样或欠采样。标注的准确性对于模型的训练至关重要，因为模型将根据标注来学习物体的特征和位置。训练集用于模型的训练，验证集用于调整超参数和监控模型的性能，测试集用于最终评估模型的准确性。这里的train文件夹就是用来训练模型的数据，val文件夹是用来验证的模型准确率的。
2024-10-01 00:02:08
888
原创 VOC数据集及其制作
VOC挑战赛（ThePASCALVisualObjectClasses）是一个世界级的计算机视觉挑战赛，PASCAL全称：Pattern Analysis,Statical Modeling and Computational Learning，是一个由欧盟资助的网络组织。PASCALVOc挑战赛主要包括以下几类：图像分类(Object Classification);
2024-09-30 11:10:44
638
各位python友友，下面这个问题咋解决？
2022-03-28
TA创建的收藏夹 TA关注的收藏夹
TA关注的人