相關(guān)文章

• 

  人工智能學(xué)習(xí)07--pytorch20--目標(biāo)檢測(cè)：COCO數(shù)據(jù)集介紹+pycocotools簡(jiǎn)單使用

  如：天空 coco包含pascal voc 的所有類(lèi)別，并且對(duì)每個(gè)類(lèi)別的標(biāo)注目標(biāo)個(gè)數(shù)也比pascal voc的多。 一般使用coco數(shù)據(jù)集預(yù)訓(xùn)練好的權(quán)重來(lái)遷移學(xué)習(xí)。 如果僅僅針對(duì)目標(biāo)檢測(cè)object80類(lèi)而言，有些圖片并沒(méi)有標(biāo)注信息，或者有錯(cuò)誤標(biāo)注信息。所以在實(shí)際的訓(xùn)練過(guò)程中，需要對(duì)這些數(shù)據(jù)進(jìn)行

  2024年02月12日

  瀏覽(96)
• 

  人工智能在教育上的應(yīng)用1-基于pytorch框架下模型訓(xùn)練，用于數(shù)學(xué)題目圖形的智能分類(lèi)

  大家好，今天給大家介紹一下人工智能在教育上的應(yīng)用1-基于pytorch框架下模型訓(xùn)練，用于數(shù)學(xué)題目圖形的智能分類(lèi)，本文將利用CNN算法對(duì)數(shù)學(xué)題目中的圖形進(jìn)行自動(dòng)分類(lèi)和識(shí)別。這種應(yīng)用可以幫助學(xué)生更好地理解和解決與數(shù)學(xué)相關(guān)的問(wèn)題?；贑NN的數(shù)學(xué)題目圖形智能分類(lèi)功能

  2024年02月16日

  瀏覽(19)
• 

  畢業(yè)設(shè)計(jì)：基于機(jī)器學(xué)習(xí)的草莓成熟度識(shí)別分類(lèi)系統(tǒng) 人工智能 python 目標(biāo)檢測(cè)

  目錄 前言 項(xiàng)目背景 數(shù)據(jù)集 設(shè)計(jì)思路 更多幫助 ? ? ??大四是整個(gè)大學(xué)期間最忙碌的時(shí)光,一邊要忙著備考或?qū)嵙?xí)為畢業(yè)后面臨的就業(yè)升學(xué)做準(zhǔn)備,一邊要為畢業(yè)設(shè)計(jì)耗費(fèi)大量精力。近幾年各個(gè)學(xué)校要求的畢設(shè)項(xiàng)目越來(lái)越難,有不少課題是研究生級(jí)別難度的,對(duì)本科同學(xué)來(lái)說(shuō)是充

  2024年04月27日

  瀏覽(128)
• 

  人工智能學(xué)習(xí)07--pytorch21--目標(biāo)檢測(cè)：YOLO系列理論合集(YOLOv1~v3)

  如果直接看yolov3論文的話(huà)，會(huì)發(fā)現(xiàn)有好多知識(shí)點(diǎn)沒(méi)見(jiàn)過(guò)，所以跟著視頻從頭學(xué)一下。 學(xué)習(xí)up主霹靂吧啦Wz大佬的學(xué)習(xí)方法： 想學(xué)某個(gè)網(wǎng)絡(luò)的代碼時(shí)： 到網(wǎng)上搜這個(gè)網(wǎng)絡(luò)的講解 → 對(duì)這個(gè)網(wǎng)絡(luò)大概有了印象 → 讀論文原文 （ 很多細(xì)節(jié)都要依照原論文來(lái)實(shí)現(xiàn)， 自己看原論文十分

  2024年02月10日

  瀏覽(91)
• 

  人工智能學(xué)習(xí)07--pytorch23--目標(biāo)檢測(cè)：Deformable-DETR訓(xùn)練自己的數(shù)據(jù)集

  1、pytorch conda create -n deformable_detr python=3.9 pip 2、激活環(huán)境 conda activate deformable_detr 3、torch 4、其他的庫(kù) pip install -r requirements.txt 5、編譯CUDA cd ./models/ops sh ./make.sh #unit test (should see all checking is True) python test.py （我沒(méi)運(yùn)行這一步） 主要是MultiScaleDeformableAttention包，如果中途換了

  2024年02月14日

  瀏覽(718)
• 

  《人工智能專(zhuān)欄》必讀150篇 | 專(zhuān)欄介紹 & 專(zhuān)欄目錄 & Python與PyTorch | 機(jī)器與深度學(xué)習(xí) | 目標(biāo)檢測(cè) | YOLOv5及改進(jìn) | YOLOv8及改進(jìn) | 關(guān)鍵知識(shí)點(diǎn) | 工具

  各位讀者們好，本專(zhuān)欄最近剛推出，限于個(gè)人能力有限，不免會(huì)有諸多錯(cuò)誤，敬請(qǐng)私信反饋給我，接受善意的提示，后期我會(huì)改正，謝謝，感謝。 第一步 ：[ 購(gòu)買(mǎi)點(diǎn)擊跳轉(zhuǎn) ] 第二步 ： 代碼函數(shù)調(diào)用關(guān)系圖(全網(wǎng)最詳盡-重要) 因文檔特殊，不能在博客正確顯示，請(qǐng)移步以下鏈接

  2024年02月02日

  瀏覽(131)
• 

  3、TensorFlow教程--- 理解人工智能

  人工智能包括通過(guò)機(jī)器和特殊計(jì)算機(jī)系統(tǒng)模擬人類(lèi)智能的過(guò)程。人工智能的示例包括學(xué)習(xí)、推理和自我校正。人工智能的應(yīng)用包括語(yǔ)音識(shí)別、專(zhuān)家系統(tǒng)、圖像識(shí)別和機(jī)器視覺(jué)。 機(jī)器學(xué)習(xí)是人工智能的一個(gè)分支，它處理可以學(xué)習(xí)任何新數(shù)據(jù)和數(shù)據(jù)模式的系統(tǒng)和算法。 讓我們關(guān)

  2024年02月08日

  瀏覽(26)

• TensorFlow人工智能開(kāi)源深度學(xué)習(xí)框架簡(jiǎn)單認(rèn)識(shí)

  TensorFlow是一個(gè)使用數(shù)據(jù)流圖進(jìn)行數(shù)值計(jì)算的開(kāi)源深度學(xué)習(xí)框架。它由Google Brain團(tuán)隊(duì)開(kāi)發(fā)，并于2015年開(kāi)源發(fā)布。TensorFlow的核心概念是使用圖表示計(jì)算任務(wù)，其中節(jié)點(diǎn)表示操作，邊表示數(shù)據(jù)流動(dòng)。 TensorFlow被廣泛用于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)任務(wù)。它的特點(diǎn)包括： 強(qiáng)大的計(jì)算能力：

  2024年01月21日

  瀏覽(33)
• 

  人工智能之Tensorflow技術(shù)特點(diǎn)及組件結(jié)構(gòu)

  前言 Tensorflow的前身時(shí)谷歌的神經(jīng)網(wǎng)絡(luò)算法庫(kù)DistBelief，被廣泛應(yīng)用于各類(lèi)機(jī)器學(xué)習(xí)、深度學(xué)習(xí)算法的編程實(shí)現(xiàn)。Tensorflow具有實(shí)現(xiàn)代碼簡(jiǎn)潔、編程范式靈活、分布式深度學(xué)習(xí)算法執(zhí)行效率高、多語(yǔ)言API支持、CPU/GPU部署方便、良好的可擴(kuò)展性、可移植性及在學(xué)術(shù)研究和產(chǎn)品研發(fā)

  2024年02月21日

  瀏覽(20)
• 

  人工智能TensorFlow MNIST手寫(xiě)數(shù)字識(shí)別——實(shí)戰(zhàn)篇

  上期文章TensorFlow手寫(xiě)數(shù)字-訓(xùn)練篇，我們訓(xùn)練了我們的神經(jīng)網(wǎng)絡(luò)，本期使用上次訓(xùn)練的模型，來(lái)識(shí)別手寫(xiě)數(shù)字（本期構(gòu)建TensorFlow神經(jīng)網(wǎng)絡(luò)代碼為上期文章分享代碼） http://scs.ryerson.ca/~aharley/vis/conv/ 0、插入第三方庫(kù) 1、圖片處理函數(shù)

  2024年02月15日

  瀏覽(38)