菜鸟变大鸟的博客

【代码】mmseg 环境配置。

在train.py文件中进行训练，执行结束后在tools/work_dir文件中找到刚才训练的结果，找到刚刚生成的py文件 复制到config中。data = dict{ }中修改data_root。num_classes（不要忘记还有个背景类别）预训练的模型在官网下载一下：对实验结果影响挺大。如果使用公开数据集，就按照官方文档的格式整理。修改 train val test。选择一个适合自己数据集的模型。

文本转语音使用pyttsx和SAPI完成文本转语音 pip install pyttsx3 # 或者在末尾加上镜像 -i https://mirror.baidu.com/pypi/simple 有两种文本转语音的方法：""" 直接把输入的文字转语音"""# oneimport pyttsx3 as pyttsxengine = pyttsx.init()engine.say('啊对对对')engine.runAndWait()# twofrom win32com.clien

参考于李沐的机器学习课程。通常要使用多个模型综合评价一个模型的好坏。

将static文件整个放入\home\visdom\py\visdom目录下。将download_scripts()注释。在文件夹中找到run_server.py。进入后看见这个导航栏就说明成功啦！进入用户目录下启动visdom。重新下载static文件。

要安装pytorch首先要有大环境，Anaconda和cuda，有了这两个初始的条件后，只需要找到所需的torch的GPU版本和torchvision的GPU版本，注意这两个一定要是GPU版本的。下载离线资源。https://download.pytorch.org/whl/torch_stable.html找到对应的资源。进入网站以后一直向下拉动进度条，因为最上面的都是cpu版本的，小心下错了T T。先下载torch。cu113表示cuda版本是11.3cp37 表示python版本3.7w

Regressor 回归神经网络参考资料：哔哩哔哩—莫烦python Keras快速搭建神经网络通俗说也就是实现一个线性回归的数据预测。以下是莫烦老师视频中的代码，我对一些细节添加了注释以方便阅读和学习。首先，在一个线性数据附近随机生成一些数据，用于预测该线性关系。经过一层神经网络的学习，我们可以得出预测结果和学习过程。以下是完整的运行代码。import numpy as npnp.random.seed(1337) #for reproducibilityfrom keras.mo