K-Nearest Neighbors该算法存储所有的训练样本（已知标签），然后通过分析新给的样本（标签未知）与已知标签的训练样本的相似度，选出其中的K个最相似的训练样本进行投票得到新样本的标签，并计算加权和等。 该方法有时被称为是“learning by example”，因为他总是根据新样本的特征向量与已知标签的样本特征向量的相似度来判断新样本的类别。 CvKNearest class&
转载
2024-06-20 21:53:26
36阅读
学更好的别人，做更好的自己。——《微卡智享》实现效果导出的推理模型使用的是Minist中训练预测率为99%的ResNet模型，从上面两张图来看，大部分数字识别是没问题的，但是两张图中数字7都识别为数字1了。这个暂时不是本篇要解决的问题，我们先看看怎么实现的导出模型和推理。微卡智享导出模型由于不想再重新写一篇网络模型了，所以将原来train.py中的加载训练集和测试集，网络模型等都改为trainmo
转载
2024-04-27 08:59:26
66阅读
依据机器学习算法如何学习数据可分为3类：
有监督学习：从有标签的数据学习，得到模型参数，对测试数据正确分类；
无监督学习：没有标签，计算机自己寻找输入数据可能的模型；
强化学习（reinforcement learning）：计算机与动态环境交互，学习错误反馈达到更优的目的。依据机器学习期望结果来分类：
分类：输入被分为N个类别的一种；
回归：输出是连续值；如依据房子的大小，时间，位置来预测房子的
转载
2024-04-24 09:17:11
91阅读
文章目录第八章：PyTorch生态简介8.1 torchtext简介8.4.1 torchtext的主要组成部分8.4.2 torchtext的安装8.4.3 构建数据集8.4.4 评测指标（metric）8.4.5 其他第九章：PyTorch的模型部署9.1 使用ONNX进行部署并推理9.1.1 ONNX和ONNX Runtime简介9.1.1.1 ONNX简介9.1.1.2 ONNX Run
转载
2023-10-03 20:04:57
73阅读
文章目录1.了解腐蚀和膨胀2.了解开运算和闭运算3.形态字梯度（1）形态字梯度=原图-腐蚀（2）函数讲解（3）代码实战4.顶帽（1）顶帽=原图-开运算（2）函数讲解6.黑帽（1）黑帽=原图-闭运算（2）函数讲解7.总结 1.了解腐蚀和膨胀2.了解开运算和闭运算3.形态字梯度（1）形态字梯度=原图-腐蚀（2）函数讲解morphologyEx(src, op, kernel, dst=None, a
转载
2024-03-15 21:23:20
91阅读
1 仓库使用说明仓库地址：https://github.com/lxztju/pytorch_classification/tree/v1这是一个基于pytorch框架的深度学习分类网络的仓库，通过在cfg文件中配置网络类型及训练参数，训练数据，模型保存路径等。支持以下分类模型：from models import Resnet50, Resnet101, Resnext101_32x8d,Res
转载
2023-09-22 15:34:11
267阅读
使用pytorch框架搭建一个图像分类模型通常包含以下步骤：1、数据加载DataSet,DataLoader，数据转换transforms2、构建模型、模型训练3、模型误差分析下面依次来看一下上述几个步骤的实现方法：一、数据加载、数据增强a)、有时候torchvision.transform中提供的数据转换方法不能满足项目需要，需要自定义数据转换方法进行数据增强，以下InvertTransform
转载
2023-06-30 18:36:49
221阅读
深度学习模型测试代码个人看过觉得比较合适的代码部分记录于此，以后一些部分的代码抄就完事了。随缘更新1. Multi-Stage Progressive Image Restoration (CVPR 2021) demo.pyCode:https://github.com/swz30/MPRNet2022/6/5:图像增强方面的论文，输入数据都是图像格式。代码简洁明了，针对其他任务则添加关于模型路
转载
2024-08-03 11:26:33
82阅读
pytorch入门3.0构建分类模型再体验（准备数据）pytorch入门3.1构建分类模型再体验（模型和训练）pytorch入门3.2构建分类模型再体验（批处理）
在分类模型中，我们使用的神经网络模型其实跟回归模型中的差不多，但是这里我们输入的是两个数（数值对），输出也是两个数，分类0或者分类1的概率。在最终输出的时候我们使用了softmax函数对输出进行概率化表示，就是使得分类0和分类1的概率之
转载
2024-02-20 17:20:31
66阅读
深度学习框架Pytroch系列注：大家觉得博客好的话，别忘了点赞收藏呀，本人每周都会更新关于人工智能和大数据相关的内容，内容多为原创，Python Java Scala SQL 代码，CV NLP 推荐系统等，Spark Flink Kafka Hbase Hive Flume等等~写的都是纯干货，各种顶会的论文解读，一起进步。 这个系列主要和大家分享深度学习框架Pytorch的各种api，从基础
转载
2023-08-04 22:38:57
90阅读
-----2022.10.10 更新yolov5-seg的实例分割模型部署：-----2022.07.25 更新了下yolov7的部署，有需要的自取-----2021.11.01更新说明由于yolov5在6.0版本增加了对opencv的支持，所以模型部署1-3适用于4.0和5.0版本的修改，6.0版本的可以看这里：建议直接走6.0的版本，省事opencv 读取YOLOV5导出模型失败的原因及其修改
转载
2024-05-13 10:42:28
85阅读
评价分类模型的指标1. 准确率acc = 分类正确的样本数/总样本数例如：当样本总数是100，正确分类的样本个数是60，那么 acc = 60/100=0.6 。 缺点：当正负样本不均衡的时候，用准确率不能很好的评估模型的好坏。例如：正样本个数为：995个；负样本个数为：5个；即使我的模型不做任何训练，对所有的数据都判定为正，这样得到的准确率也很高，acc=99.5%。2. 混淆矩阵3. F1_s
转载
2023-12-03 08:46:34
387阅读
为什么要这么做？PyTorch作为一个开源的Python机器学习库正受到越来越广泛的关注和应用。然而，作为一门语言，Python并不是在任何场景下都适用的。在生产以及部署到自动驾驶车辆上等场景中，C++常常是更好的选择。因此需要将PyTorch模型部署到C++上。以下是实现的步骤。将PyTorch模型转化成Torch ScriptTorch Script的作用是用TorchScript编写的任何代
转载
2023-08-11 11:55:35
426阅读
系列文章目录第一章：Visual Studio 2019 动态链接库DLL建立第二章：VS动态链接库DLL调试第三章：VS2019 OpenCV环境配置 第四章：C++部署pytorch模型Libtorch第五章：C++部署pytorch模型onnxruntime目录 系列文章目录前言一、C++部署pytorch？二、onnxruntime配置1.下载on
转载
2024-08-22 19:48:39
83阅读
今天将介绍深度学习中的分类模型，以下主要介绍Softmax的基本概念、神经网络模型、交叉熵损失函数、准确率以及Pytorch实现图像分类。
0
1Softmax基本概念
在分类问题中，通常标签都为类别，可以用离散值来代替。例如，在图像分类问题中，假设一张图片是的灰度图片，那么图片中的4个像素值便是特征。假设对应的标签是猫狗等动物，其都是离散值，在深度学习模
转载
2024-05-13 17:48:50
200阅读
本文用于利用Pytorch实现神经网络的分类！！！1.训练神经网络分类模型
import torch
from torch.autograd import Variable
import matplotlib.pyplot as plt
import torch.nn.functional as F
import torch.utils.data as Data
torch.manual_seed
转载
2023-10-08 09:58:01
154阅读
一.数据集下载链接: https://pan.baidu.com/s/1_7blbYJc0ouCGmqe8kBnTw 提取码: c6ex 复制这段内容后打开百度网盘手机App，操作更方便哦二.训练模型1.定义数据初始化import torchvision.transforms as transforms
image_size=(224,224) #
data_transforms=transfor
转载
2023-09-06 22:12:52
187阅读
文章目录PyTorch默认模型参数初始化Conv2dBatchNorm2dLinearPyTorch提供的初始化方式初始化为常数初始化使值采样于某种分布Xavier初始化Kaiming初始化其他gain值计算如何进行参数初始化单层初始化样例模型初始化样例 总体来说，模型的初始化是为了让模型能够更快收敛，提高训练速度。当然，也算一个小trick，合理设置是能够提升模型的performance的，当
转载
2023-07-14 19:29:17
130阅读
文章目录前言一、PyTorch模型定义的方式5.1.1 必要的知识回顾5.1.2 Sequential5.1.3 ModuleList5.1.4 ModuleDict5.1.5 三种方法的比较与适用场景二、利用模型块快速搭建复杂网络5.2.1 U-Net简介5.2.2 U-Net模型块分析5.2.3 U-Net模型块实现5.2.4 利用模型块组装U-Net三、PyTorch修改模型5.3.1 修
转载
2024-03-03 22:09:35
111阅读
众所周知，python训练pytorch模型得到.pt模型。但在实际项目应用中，特别是嵌入式端部署时，受限于语言、硬件算力等因素，往往需要优化部署，而tensorRT是最常用的一种方式。本文以yolov5的部署为例，说明模型部署在x86架构上的电脑端的流程。（部署在Arm架构的嵌入式端的流程类似）。一、环境安装1. 安装tensorRT根据自己的系统Ubuntu版本、CPU架构、CUDA版本来选择
转载
2023-07-30 00:22:31
276阅读
