Contents1 绪论2 Better3 Faster（从网络框架角度）4 Stronger YOLOv2的论文全名为YOLO9000: Better, Faster, Stronger，是对于yolov1的改进。1 绪论 这篇论文的主要工作有：使用一系列的方法对YOLOv1进行了改进，在保持原有检测速度的同时提升精度得到YOLOv2；提出了一种目标分类与检测的联合训练方法，同时在CO
https://github.com/dmlc/mxnet/issues/797
转载
2022-09-23 15:23:56
56阅读
A = mx.sym.Variable('A')B = mx.sym.Variable('B')C = A + BD = A - BE = A * BF = A / B# a = mx.nd.empty(1) # 生成一个维度为1的随
原创
2024-10-24 11:03:37
24阅读
The MxNet needs the following thirdparties:1. lapack complie lapack-3.6.1: 1.2.download intel fortran compiler: http://tieba.baidu.com/p/2753187458
add the cmake complier : C:\Program File
转载
2016-08-01 15:02:00
111阅读
2评论
本文主要探索如何使用深度学习框架 MXNet 或 TensorFlow 实现 线性回归 模型？并且以 Kaggle 上数据集 "USA_Housing" 做线性回归任务来预测房价。 回归任务，scikit learn 亦可以实现，具体操作可以查看 "线性回归模型的原理与 scikit learn 实
原创
2021-08-27 09:54:24
368阅读
本文主要探索如何使用深度学习框架 MXNet 或 TensorFlow 实现线性回归模型？并且以 Kaggle 上数据集 USA_Housing 做线性回归任务来预测房价。 回归任务，scikit-learn 亦可以实现，具体操作可以查看 线性回归模型的原理与 scikit-learn 实现。 载入
转载
2020-03-26 23:50:00
85阅读
2评论
在第5篇文章中，我们使用三种预训练模型进行物体检测，并通过一些图片对他们的效果进行了对比。在这一过程中发现这些模型有着截然不同的内存需求，最“节省”的Inception v3“只”需要43MB内存。那这就提出了另一个问题：“能否在某些非常小型的设备，例如树莓派上运行这些模型？”嗯，一起试试吧！在树莓派上构建MXNet目前已经有了官方教程，但我发现其中缺少一些关键步骤，因此我也写了一版。该教程在运行
一、MXNet框架 利用gluon确实简洁，首先要从mxnet中导入gluon，即from mxnet import gluon 常用mxnet中模块：autograd、gluon、init、nd 常用gluon中模块：data、nn、loss 1、读取数据模块 data模块：dataset =data.ArrayDataset(features, labels) data.DataLoader(
转载
2024-08-16 11:59:05
69阅读
训练神经网络涉及不少的步骤。我们需要知道如何提供输入训练数据，初始化模型参数，执行前向和后向传播，根据计算的梯度更新权重，模型检查等。在预测过程中，大部分步骤是重复的。 所有这一切对于新手以及经验丰富的开发人员而言都是相当艰巨的。幸运的是，MXNet的module 包(简写为mod )模块化了用于训练和推断的常用代码。module提供用于执行预定义网络的高级和中级接口。我们可以互换地使用两个接口。
转载
2024-08-05 11:36:15
82阅读
一.导言本教程适合对人工智能有一定的了解的同学，特别是对实际使⽤深度学习感兴趣的⼤学⽣、⼯程师和研究⼈员。但本教程并不要求你有任何深度学习或者机器学习的背景知识，我们将从头开始解释每⼀个概念。虽然深度学习技术与应⽤的阐述涉及了数学和编程，但你只需了解基础的数学和编程，例如基础的线性代数、微分和概率，以及基础的 Python 编程本教程将全⾯介绍深度学习从模型构造到模型训练的⽅⽅⾯⾯，以及它们在计算
转载
2024-01-29 21:26:20
23阅读
对原文有大量修改，如有疑惑，请移步原文。 参考链接：MXNet设计和实现简介 文章翻译于：https://mxnet.incubator.apache.org/architecture/index.h...
转载
2017-11-10 14:49:00
183阅读
参考资料： "有基础（Pytorch/TensorFlow基础）mxnet+gluon快速入门" symbol 是一个重要的概念，可以理解为符号，就像我们平时使用的代数符号 ，`y z` 一样。一个简单的类比，一个函数 $f(x) = x^{2}$，符号 就是 symbol，而具体 的值就是 nda
原创
2021-08-27 09:46:10
367阅读
# Python与MXNet
Python是一种广泛使用的高级编程语言，而MXNet是一种深度学习框架。结合这两者，Python与MXNet可以为开发者提供强大的工具和功能，用于解决各种机器学习和深度学习任务。本文将介绍Python与MXNet的组合，并提供一些代码示例，帮助读者更好地理解它们的使用。
## Python与MXNet的优势
Python作为一种高级编程语言，具有简洁明了的语法和强
原创
2023-12-21 11:42:17
36阅读
实现使用mxnet GPU 的步骤：
| 步骤 | 描述 |
| ------ | ------ |
| 1 | 安装CUDA和cuDNN |
| 2 | 安装mxnet |
| 3 | 配置环境变量 |
| 4 | 测试mxnet GPU 支持 |
### 步骤一：安装CUDA和cuDNN
首先，我们需要安装CUDA和cuDNN来支持mxnet在GPU上的运行。CUDA是NVIDIA的并行计
原创
2024-05-17 09:31:47
200阅读
最近工作要开始用到MXnet，然而MXnet的文档写的实在是.....所以在这记录点东西，方便自己，也方便大家。 我觉得搞清楚一个框架怎么使用，第一步就是用它来训练自己的数据，这是个很关键的一步。 一、MXnet数据预处理 整个数据预处理的代码都集成在了toosl/im2rec.py中了，这个首先要造出一个list文件，lst文件有三列，分别是index label 图片路径。如
转载
2024-01-08 20:54:53
164阅读
深度学习框架MxNet配置（GPU版本）1.对应镜像：https://mirrors.aliyun.com/pypi/simple/mxnet/找到与自己电脑Python版本对应（命令行使用python --v查看对应版本）的版本下载 2.在对应文件夹下ctrl+shift+右键在此处打开PowerShell窗口，复制文件夹名字mxnet-1.7.0.post2-py2.py3-none-win_
转载
2023-11-15 22:13:30
642阅读
MXNet是基础，Gluon是封装，两者犹如TensorFlow和Keras，不过得益于动态图机制，两者交互比TensorFlow和Keras要方便得多，其基础操作和pytorch极为相似，但是方便不少，有pytorch基础入门会很简单。注意和TensorFlow不同，MXNet的图片维度是 batch x channel x height x width 。MXNet的API主要分为3层，最基础
转载
2023-11-30 09:37:08
74阅读
自己写Python也有四五年了，一直是用自己的“强迫症”在维持自己代码的质量，除了Google的Python代码规范外，从来没有读过类似的书籍。偶然的机会看到这么一本书，读完之后觉得还不错，所以做个简单的笔记。有想学习类似知识的朋友，又懒得去读完整本书籍，可以参考一下。1：引论建议1、理解Pythonic概念—-详见Python中的《Python之禅》建议2、编写Pythonic代码(1)避免不规
前段时间工作中用到了MXnet，然而MXnet的文档写的实在是.....所以在这记录点东西，方便自己，也方便大家。 一、MXnet的安装及使用 开源地址：https://github.com/dmlc/mxnet 如下是单节点的具体安装和实验流程，参考于官方文档：http://mxnt.ml/en/latest/build.html#building-on-linux 1.1、
转载
2024-05-13 20:36:56
55阅读
在计算机视觉领域，YOLO（You Only Look Once）是一种非常流行且高效的目标检测算法。随着深度学习的进步，YOLO算法的实现已经变得相对简单，尤其是在Python环境中。本文将详细介绍如何在Python中实现YOLO，包括其背景、技术原理、架构解析、源码分析、性能优化以及案例分析。这将为对YOLO及其在Python中的实现感兴趣的开发者提供一个全面的指导。
### 背景描述
YO
