![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 57
Anjou_YES!
兢兢业业小码农... ...
展开
-
自定DatasetLoad(数据加载器)以及一些图像增强方法--笔记LOG
一些关于数据加载(图像)的笔记,作为备忘日志使用,需要的小伙伴可以自取原创 2023-05-15 15:15:42 · 248 阅读 · 0 评论 -
Backbone,Bottlenect,Head等术语
Backbone,Bottlenect,Head等术语转载 2022-11-18 19:00:33 · 302 阅读 · 2 评论 -
Pycharm+Win10+WSL2(Ubuntu)+Anaconda在win上构建运行于Linux内核的深度学习虚拟环境
Pycharm+Win10+WSL2(Ubuntu)+Anaconda在win上构建运行于Linux内核的深度学习虚拟环境,并指定虚拟环境的cuda版本原创 2022-08-08 14:21:42 · 4760 阅读 · 3 评论 -
docker部署paddle-gpu深度学习项目
docker部署paddle-gpu框架下的深度学习项目原创 2022-07-22 11:58:18 · 1879 阅读 · 0 评论 -
pycocotools安装方法----一步到位~
pycocotools安装方法原创 2022-07-05 15:58:26 · 701 阅读 · 3 评论 -
准确率(Auccary),精确率(Precision),召回率(Recall),F1,ROC,AUC说明
TP : 所有被正确预测为正的样例数FP : 所有被错误预测为正的样例数TN : 所有被正确预测为负的样例数FN : 所有被错误预测为负的样例数准确率:所有预测正确结果(无论正例负例)占据所有样例的比重。Accurary = (TP + TN) / (TP + TN + FP + FN)精确率(查准率):所有被正确预测为正的样例占所有被预测为正的样例的比重。Precision = TP / (TP + FP)召回率(查全率):所有被正确预测为正的样...原创 2021-12-02 21:50:56 · 3756 阅读 · 0 评论