1 环境操作系统：windows10浏览器：chromepython：3.7Django：2.2.2数据库：MySQL编译器：PyCharm2019.12 注册一个pythonanywhere的账户已经注册了用户的同学跳转第3步官网地址：https://www.pythonanywhere.com/
打开官网后点击然后在弹出的页面中点击（注意：这里创建的是一个免费的账户，最多可以使用两个conso
转载
2024-08-19 16:34:57
157阅读
借着热点，简单聊聊大模型的部署方案，作为一个只搞过CV部署的算法工程师，在最近LLM逐渐改变生活的大背景下，猛然意识到LLM部署也是很重要的。大模型很火，而且确实有用（很多垂类场景可以针对去训练），并且和Vision结合的大模型也逐渐多了起来。所以怎么部署大模型是一个超级重要的工程问题，很多公司也在紧锣密鼓的搞着。目前效果最好讨论最多的开源实现就是LLAMA，所以我这里讨论的也是基于L
转载
2024-01-08 15:00:16
233阅读
Introduction本文假设阅读者有基本的NN基础，涉及的tips有一下几点： - data augmentation - pre-process on images - initializations of Networks - some tips during training - selections of activation functions - diverse reg
转载
2024-10-21 13:23:06
131阅读
先看看这些痛点你有没有吧，有的话可以继续往下看阅读这篇文章时，您可能已经知道或尝试过 torchserve、triton、seldon core、tf serving 甚至 kserve。 他们是很好的产品。 但是，如果您使用的不是非常简单的模型，或者您编写了许多代码，而模型只是其中的一部分，这个时候将您的代码与它们集成起来并不容易。有的时候，如果你想简简单单的部署一个模型API服务，做proto
转载
2024-08-08 11:20:48
248阅读
目标检测是深度学习的一个重要应用，就是在图片中要将里面的物体识别出来，并标出物体的位置，一般需要经过两个步骤： 1、分类，识别物体是什么 2、定位，找出物体在哪里 除了对单个物体进行检测，还要能支持对多个物体进行检测，如下图所示： 这个问题并不是那么容易解决，由于物体的尺寸变化范围很大、摆放角度多变、姿态不定，而且物体有很多种类别，可以在图片中出现多种物体、
目录什么是模型部署？模型部署工具介绍MLflowMLeapPMMLPysparkSklearnONNX介绍TensorRT[TensorFlow Serving](https://github.com/tensorflow/serving)Web服务化部署Docker菜鸟教程参考 什么是模型部署？在典型的机器学习和深度学习项目中，建模的常规流程是定义问题、数据收集、数据理解、数据处理、构建模型。
转载
2023-09-28 16:12:51
119阅读
树梅派+Ubunut19.10+YOLOV4实现目标检测学习了yolov4，记录一下入门操作，可以实现通过树梅派摄像头采集视频，通过PC端中运行yolov4来进行实时目标检测。实现效果测试环境准备树梅派3B( Raspbain-desktop)ubuntu19.10CUDA 10.1 CUDNN 7.6.5OPENCV 3.4.4 Opencv_contrib3.4.4python 2.7 pyt
先说明一下自己的想法：无论怎么样，个人确实先不想升级到centos7上面，因为我觉得centos6还是比较占用资源少的，而且作为生产环境，centos6完全够用了。 实验测试环境: * centos 6.5_X86_64 最小化安装 * 关闭了iptables 和selinux * CPU：4 内存：8G 1.安装centos6.5，使用最小化
转载
2024-07-31 17:21:22
28阅读
# Python模型的部署：从开发到上线的完整指南
在机器学习和深度学习的领域，模型的开发和训练是一个非常重要的过程，而模型的部署则是确保模型能够在实际生活中发挥作用的重要环节。本文将带您了解如何有效地将Python模型部署到生产环境中，同时配合代码示例来帮助理解。
## 模型部署的意义
模型部署是指将训练好的机器学习模型转化为可以运行在生产环境中的状态，这是实现自动化预测的关键步骤。通过部
原创
2024-10-13 03:22:30
139阅读
#Author:"haijing"
#date:2018/10/13
# 模块：一个.py文件就是一个模块
# python标准库模块 re模块、time模块
# 第三方模块
# 应用程序自定义模块
# import calculate #此时可以将calculate看做一个对象 calculate=calculate.py all code
#调用自己写的模块calculate.py和当前
转载
2024-05-31 21:09:20
53阅读
# Python 载入自己的模型包：一探究竟
随着机器学习和深度学习的广泛应用，模型的构建与分享变得愈加重要。在Python中，载入自定义模型包不仅能提升开发效率，还能方便模型的复用。本文将详细介绍如何创建和载入自己的模型包，结合具体的代码示例和图表解析，帮助读者更好地理解这一过程。
## 什么是模型包？
模型包是将机器学习模型及其相关组件（如数据预处理代码、模型参数等）封装在一起的文件或一
原创
2024-09-25 07:09:16
39阅读
1.三方模块的安装与卸载第三方模块由全球 Python爱好者、程序员、各行隔夜的专家进行开发并进行维护安装第三方模块的语法：pip install 模块名称可以指定模块名下载的地方：pip install 模块名 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com卸载第三方模块的语法结构：pip uninstall 模块名
转载
2024-09-29 14:24:59
33阅读
# 如何使用 Python 训练自己的 OCR 模型
在本篇文章中，我们将探讨如何使用 Python 训练自己的光学字符识别（OCR）模型。OCR 是一个广泛应用于各种场景的技术，如数字化文档或自动票据处理。本文将从整体流程开始，接着深入探讨每一个步骤所需的具体操作和相关代码示例。
## 整体流程
在开始之前，我们梳理一下训练一个 OCR 模型的整体流程。可以参考下面的表格：
| 步骤
## ESRGAN：用Python训练自己的模型
格式，是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行转移。通常我们在训练模
如何调用在线API服务首先需要将导入的模型部署成一个在线API服务，然后根据调用指南中的API信息和指导文档，使用HTTPS请求进行调用。部署模型为在线服务参考此文档。并且可以参考此案例中的模型部署环节。模型将会被部署成一个在线的API服务，以restful API的形式通过网络对外提供服务，可以通过HTTPS协议来访问。提示：API在启动中会一直收费，当不使用的时候，可以临时关闭，使用的时候再重
转载
2024-01-25 19:04:11
134阅读
模型下面是yolov3的网络结构，可以将该网络分成两部分来看，特征提取部分和预测部分。上面（黑色框中）特征提取部分为Darknet53，该网络为全卷积(没有池化层，通过调整卷积的步长来进行下采样) 。下面 预测部分，一共有三层输出，分别是13 13 255、 26 26 255、 52 52 CBL为卷积块：由conv2d，Batch Normalization，Leaky relu 这
Open WebUI 是一种可扩展、功能丰富且用户友好的自托管 WebUI，旨在完全离线运行。它
从训练到实际应用：深度学习模型的部署探秘随着深度学习技术的快速发展，越来越多的深度学习模型在各种应用领域中取得了卓越的成果。然而，训练一个高性能的深度学习模型只是整个应用过程的一部分，将训练好的模型顺利地部署到实际应用环境中同样具有挑战性。本篇博客将深入探讨深度学习模型的部署流程，并结合实际案例和代码，详细介绍深度学习模型的部署原理与实践。1. 深度学习模型的部署概述在深度学习模型的部署过程中，主
转载
2024-05-29 07:17:22
172阅读
