use ncnn with alexnet.zhwiki-sync-bot edited this page 11 hours ago · 1 revision首先，非常感谢大家对 ncnn 组件的关注 为了方便大家使用 ncnn 组件，up主特意写了这篇使用指北，以烂大街的 alexnet 作为例子准备caffe网络和模型caffe 的网络和模型通常是搞深度学习的研
转载
2024-08-22 11:42:33
66阅读
深度访谈究需要详细、深入的访谈资料，它更注重访谈的质量，而不是数量。因此，深度访谈很少采用随机抽样，而是采用灵活机动的非随机抽样。Strauss和Cobin在《质性研究概要》中，介绍了三种不同的理论性抽样:开放性抽样、关系性和差异性抽样以及区别性抽样。开放性抽样是指根据研究的问题，选择那些能够为研究问题提供最大涵盖度的研究对象进行访谈，从而覆盖研究现象的方方面面并从中发现建构理论所需用的相关概念和
在离线建模环节，需要对模型进行评估，这就需要对总样本进行划分，一部分用于训练，模型从训练集学习规则，一部分用于测试，检验模型的泛化能力。下面介绍几种样本划分方法。 留出法方法：将样本集 D 分成两个互斥的样本集合，训练集为S，测试集为T，S∩T=Ø，SUT=D这种方法非常简单，但不能充分利用数据训练模型，而且样本划分对模型效果影响很大。a. 只利用了部分数据训练模型，得到的模型很可能和全
1.正样本文件采集：需要使用到的工具：objectmarker用于待识别对象的标注，并生成标注文件。需要注意的是，生成完标注文件之后（通常是info.txt文件），用编辑器打开文件，将所有路径信息删除，只保留文件名和其对应的标注信息，修改完成之后，将文件保存为sample_pos.dat(注意，文件名字不要改变，否则以后会很坑，这个具体还没去研究源码，应该是程序的问题)；ps:如果已经有了图像的标
在进行机器学习时，根据处理问题的不同，所需要的训练样本不同，并不是所有的训练样本都可以在网络上搜索到，所有，有时需要根据自己要解决的问题的实际需要，制作自己的样本数据集。matlab是半自动制作样本训练集的一个较强大的工具。1运行matlab自带的trainingImageLabeler函数1.1运行trainingImageLabeler 程序会弹出training image lab
转载
2023-10-14 22:49:43
392阅读
西瓜书第一章-绪论1.1引言机器学习：研究如何通过计算来实现利用经验来改善系统自身。
“算法”/“学习算法”：如何在数据中的到模型经验：数据。模型：得到的结论。模型用来进行相应的判断（预测）。1.2基本术语1.2.1 数据集数据集（Data Set）：又称样本空间（Sample Space）。上图的行名。是一组记录、数据的集合。单个数据（Data）：又称为示例（Instance）、样本（Sa
1实验环境实验环境：CPU i7-3770@3.40GHz，内存8G，windows10 64位操作系统实现语言：python实验数据：Mnist数据集程序使用的数据库是mnist手写数字数据库，数据库有两个版本，一个是别人做好的.mat格式，训练数据有60000条，每条是一个784维的向量，是一张28*28图片按从上到下从左到右向量化后的结果，60000条数据是随机的。测试数据有10000条。另
转载
2023-07-04 11:47:29
3427阅读
1.深度学习开发的万能公式模式流程：import paddle
import numpy as np
import matplotlib.pyplot as plt2 数据准备2.1 数据加载和预处理import paddle.vision.transforms as T
# 数据的加载和预处理
transform = T.Normalize(mean=[127.5], std=[127.5])
针对经验风险最小化算法的过拟合的问题，给出交叉验证的方法，这个方法在做分类问题时很常用： 一：简单的交叉验证的步骤如下： 1、 从全部的训练数据 S中随机选择 中随机选择 s的样例作为训练集 train，剩余的 作为测试集 作为测试集 test。 2、 通过对测试集训练 ，得到假设函数或者模型 。 3、 在测试集对每一个样本根据假设函数或者模型，得到训练集的类标，求出分类正确率。 4，选择具
转载
2024-01-01 21:54:38
114阅读
项目背景： 要做行业内文本相似性匹配，但是数据量不足，尝试了三种方法： １）加载网上ｄｏｗｎｌｏａｄ的预训练网络，用少量样本只训练最后两层的少量参数 ２）加载网上ｄｏｗｎｌｏａｄ的预训练网络，用少量样本对所有网络参数进行微调 3）加载网上ｄｏｗｎｌｏａｄ的预训练网络，用少量样本只训练起始两层的少量参数 最后取得了不错的效果 以下内容借鉴 这幅图说明了该用哪种迁移学习，让我们逐个来看。 1）右下角
转载
2024-08-19 09:51:28
22阅读
训练样本的选择方式
在目前我的实验中训练样本主要有两种选择方式：（当让还有很多选择方式，比如我在人脸图像亲缘识别的实验中是将所有的数据当作训练样本，在将所有的数据作为测试样本来测试方法的识别率、还有比如交叉验证等很多方法，在这里记录的是目前的实验所用到的训练样本的选择方法）1、在同类样本中随机的选取1/2或者2/3的样本作为训
转载
2023-12-10 22:14:26
204阅读
一.源码准备下载地址：paddleocr 注意：如果需要使用tensorrt加速，需要下载2.2以上版本的运行环境 1.准备一个新的虚拟环境，安装下载的源码当中对应的requirements.txt文件，记住paddle的版本尽量和下载的代码版本一致，使用tensorrt需要的paddlepaddle版本也不一样，需要去官网查找 2.下载地址：paddlepaddle二.准备数据1.下载官网数据集
转载
2023-12-21 10:34:59
580阅读
## Redis一般需要多少内存的实现步骤
### 流程图
```mermaid
flowchart TD
A[了解Redis]
B[分析数据量]
C[计算内存大小]
D[选择合适的服务器配置]
E[优化配置]
F[监控和调整]
G[总结]
A --> B
B --> C
C --> D
D --> E
原创
2023-09-30 11:30:14
190阅读
0. 基本术语数据集（data set）：记录的集合。示例（instance）或样本（sample）：每条记录是关于一个事件或者对象的描述。属性（attribute）或特征（feature）：反映事件或对象在某方面的表现或性质的事项。属性值（attribute value）：属性上的取值。训练集（training set）：训练
转载
2024-05-11 22:37:08
34阅读
二、机器学习模型评估2.1 模型评估：基本概念错误率(Error Rate)预测错误的样本数a占样本总数的比例m\[E=\frac{a}{m}
\]准确率(Accuracy)准确率=1-错误率准确率=1−错误率误差(Error)学习器的实际预测输出与样本的真实输出之间的差异训练误差(Training Error)或经验误差(Empirical Error)学习器在训练集上的误差泛化误差(Gener
转载
2024-08-01 14:02:07
899阅读
文章目录2 图像分类2.1 数据驱动方法第一个分类器:最近邻分类器L1距离（曼哈顿距离）最近邻分类器Python代码2.2 K-最邻近算法L2距离（欧氏距离）k-Nearest Neighbor分类器（KNN）实际应用k-NN2.3 线性分类器 2 图像分类2.1 数据驱动方法步骤step1：收集图像和标签的数据集Collect a dataset of images and labelsstep
# Python 生成OCR训练样本
光学字符识别（OCR）是一项使计算机能够读取和理解印刷或手写文字的技术。为了训练OCR模型，我们通常需要大量的标注样本。本文将介绍如何使用Python生成OCR训练样本，并通过实例代码来展示操作过程。
## 1. OCR训练样本概述
OCR训练样本通常包括图片和对应的文本标签。这些图片可以是印刷的文字、手写体，甚至是复杂格式的文本。为了生成这些训练样本，
原创
2024-08-20 06:21:58
111阅读
资源来自一名印度小哥Praneeth Bedapudi，涉及图像分类和目标检测两个科目。他在GitHub上最新发布了NudeNet项目，包含代码和两个预训练模型：负责识别露不露的图像分类模型和负责找出关键部位（以便打码）的目标检测模型。图像分类模型很简单，能区分两个类别：nude和safe，也就是露和不露，堪比经典的hotdog/not hotdog。目标检测模型则能检测6个类别：不分性别的腹部、
OCR常用的数据集在这个代码仓库里，提供了常用的OCR检测和识别中的通用公开数据集的下载链接。并且提供了json标签转成.txt标签的代码和转换好的.txt标签。该项目的详细github地址如下：https://github.com/zcswdt/OCR_ICDAR_label_revise
数据集介绍数据集数据介绍标注格式下载地址ICDAR_2013语言: 英文 train:229 test:2
转载
2024-10-23 15:15:28
107阅读
摘要Muesli是一种新的图像复杂度度量手段，它融合了间隙度的概念(像素强度变化的度量)和空间信息的概念(捕捉边缘信息的量)。它能成功地量化在合成孔径声纳(SAS)图像中执行目标探测的相对难度。这已通过一项人类操作员研究的结果和一种目标检测算法的结果进行了实验验证，使用了一组在不同环境中收集的3000多张SAS图像(SAS图像指的是合成孔径声呐图像)。在前一种评价方法中，观察到人类对图像难度的主观
