kNN 可以说是最简单的监督学习分类器了。想法也很简单，就是找出测试数据在特征空间中的最近邻居。1.1 Opencv中的kNN这里我们将红色家族标记为 Class-0，蓝色家族标记为 Class-1。还要再创建 25 个训练数据，把它们非别标记为 Class-0或者 Class-1。Numpy中随机数产生器可以帮助我们完成这个任务。 然后借助 Matplotlib 将这些点绘制出来。红色家族显示为
因工作需要，需要将目标检测模型 部署在开发板上。在走了很多弯路后 找到一个成功的案例并记载下来这里说一下我现有的硬件设备 。我是购买的RADXA的rock3a开发板 搭载的soc是rk3568这是开发板的正面图，因为瑞芯微针对计算机视觉中的目标检测模型有一套自己的前向推理框架，所以我就着眼于搭载rockchip的开发板rock3a目标检测模型 这里采用的是yolo模型 由于原生yolo
转载
2024-07-05 20:05:07
692阅读
KNN分类算法（先验数据中就有类别之分，未知的数据会被归类为之前类别中的某一类！）1、KNN介绍K最近邻（k-Nearest Neighbor，KNN）分类算法是最简单的机器学习算法。机器学习，算法本身不是最难的，最难的是：1、数学建模：把业务中的特性抽象成向量的过程；2、选取适合模型的数据样本。这两个事都不是简单的事。算法反而是比较简单的事。本质上，KNN算法就是用距离来衡量样本之间的相似度。&
转载
2024-09-06 23:25:56
105阅读
目录Keras简介快速浏览模型安装和导入转换器将Keras模型转换为ONNX摘要和后续步骤参考文献下载源547.1 KB系列文章列表如下：ONNX系列一 --- 带有ONNX的便携式神经网络ONNX系列二 --- 使用ONNX使Keras模型可移植ONNX系列三 --- 使用ONNX使PyTorch AI模型可移植ONNX系列四 --- 使用ONNX使TensorFlow模型可移植ONNX系列五
# 从入门到精通：如何实现"from rknn.api import rknn"
作为一名经验丰富的开发者，我将向你介绍如何实现"from rknn.api import rknn"这个操作。在这篇文章中，我将逐步展示整个流程，并为每一个步骤提供详细的代码示例和解释。
## 整个流程
在介绍每一个步骤之前，我们先来看看实现"from rknn.api import rknn"的整个流程。以下
原创
2024-04-28 10:21:38
324阅读
关于RKNN RKNN 是Rockchip npu 平台使用的模型类型，以.rknn后缀结尾的模型文件。Rockchip 提供了完整了模型转换 Python 工具，方便用户将自主研发的算法模型转换成 RKNN 模型，同时 Rockchip 也提供了C/C++和Python API 接口。
RKNN
转载
2024-05-21 15:24:31
1158阅读
1评论
最近忙于爬坑搭建自己的公网流媒体服务器，RKNN的使用教程写的不太及时，在此对各位朋友说声抱歉。我将继续努力将本人使用RKNN工具进行算法移植、开发的教程分享给大家。 文章目录1.可视化工具的启动2.可视化工具功能介绍3.本人遇到的问题汇总 1.可视化工具的启动RKNN ToolKit有两种使用工具，一种是通过Python工具进行模型转换及量化，另一种通过可视化工具手动选择进行模型转换及量化
转载
2024-06-21 17:27:14
408阅读
YOLOv3YOLOv3: An incremental Improvement一、简述YOLOv3没有在YOLO9000上做出巨大的改进，它的工作更多的是基于YOLOv2的思路，设计了一个新的网络结构（Darknet-53），并将当时的一些新的点子加到这个模型上，以此来提高YOLO系列目标检测模型的准确率。YOLOv3的改进主要有：建立新的CNN模型（引入残差块）；利用多尺度特征进行目标检测；在
1 - kd TreeKD树是一种对K维空间中的实例点进行存储以便对其进行快速检索的树形数据结构。KD树其实就是二叉树，表现为对K维空间的一个划分，构造kd树相当于不断的用垂直于坐标轴的超平面将k维空间切分，构成一系列的k维超矩形区域，即kd树就是二叉树在高维上的扩展。kd树的每个节点最后对应于一个k维超矩形区域。kd树搜索的平均计算复杂度是O(logN)。假如维度是k, 而样本点一共N个，那么最
splunk与日志分析splunk的使用splunk配置日志字段提取日志分析场景已知ip，查看行为 splunk的使用在安全服务的多种场景下，我们都离不开日志分析这项工作，特别是在应急与溯源的过程中，日志分析成为快速定位问题的重要方式。轻量级的日志分析我们通常使用文本编辑器或者excel等具备简单筛选功能的工具进行查看，但是对于大量级的日志分析，在很多场景下这些工具不再适用，下面我将介绍splu
转载
2024-09-27 17:05:10
42阅读
·第一段叫前端（Frontend）：其输入为源代码，输出为中间表示（IntermediateRepresentation，简写为IR，IR也被称作中间代码、中间语言）。IR没有标准语法。各编译器都可以自定义IR。比如LLVM就有LLVM IR，而Java字节码也是一种IR。前端的工作主要是解析输入的源码，并对其进行词法分析、语法分析、语义分析、生成对应的IR等。·第二段叫优化器（Optimizer
转载
2024-07-09 21:17:52
79阅读
谈谈深度学习中的 Batch_Size Batch_Size（批尺寸）是机器学习中一个重要参数，涉及诸多矛盾，下面逐一展开。首先，为什么需要有 Batch_Size 这个参数？全数据集 （ Full Batch Learning ）的形式，这样做至少有 2 个好处：其一，由全数据集确定的方向能够更好地代表样本总体，从而更准确地朝向极值所在的方向。其二，由于不同权重的梯度值差别巨大，因此选取一个全
目录一、基本概念二、逻辑表达三、物理存储3.1 NCHW3.2 NHWC四、RGB图像数据举例五、不同框架支持 流行的深度学习框架中有不同的数据格式，典型的有NCHW和NHWC格式。本文从逻辑表达和物理存储角度用图的方式来理解这两种数据格式，最后以RGB图像为例来加深NHWC和NCHW数据存储
一、引言 RK3588S支持NPU，提供高达6.0Tops的算力，可以用于部署深度学习项目。本篇文章介绍Yolo v5代码开发、模型转化（RK3588S只支持rknn模型文件）、部署。 使用的RKNN-TooKit2，具体的环境搭建，请参考博文：RK3588(自带NPU)的环境搭建和体验（一
RKNN-Toolkit转换Tensorflow模型至Rockchip NPU推理并进行性能评估 文章目录RKNN-Toolkit转换Tensorflow模型至Rockchip NPU推理并进行性能评估一、基本知识二、环境部署2.1环境准备2.2安装RKNN-Toolkit（以Python3.6为例）2.3注意事项：三、Tensorflow模型转换、推理及评估3.1在PC上仿真运行3.2在RV11
转载
2024-03-15 15:56:25
918阅读
最近在利用SSD检测物体时，由于实际项目要求，需要对模型进行轻量化，所以考虑利用轻量网络替换原本的骨架VGG16，查找一些资料后最终采用了google开源的mobileNetV2。这里对学习mobileNet系列的过程做一些总结。mobileNetV1是由google在2017年发布的一个轻量级深度神经网络，其主要特点是采用深度可分离卷积替换了
转载
2024-03-20 12:39:22
232阅读
写个导语： 学校课设安排进行机器学习的学习，这节课学了KNN算法有个电影预测的小案例问题是这样的，给你几个电影里面拥抱、打斗镜头的数量和他的类型，给了这些数据让你来预测一个只有镜头数量的电影来预测他的类型数据类型是这样的下面看傻瓜级代码，不再做文字分析了使用python编写，数据集文件为csv文件如图所示 代码from sklearn
1.创建你的包catkin_create_pkg depth_rgb_image2. 将以下代码粘贴到src/depth_rgb_image.cpp#include <stdlib.h>
#include <iostream>
#include <string>
//【1】
#include <XnCppWrapper.h>
#include "o
本文硬件平台采用飞凌嵌入式RK3568开发板，主要讲解如何将RK3568的PCIe复用为SATA功能，本文使用的思路和方法仅供参考使用，其它arm开发板虽然芯片不同，但思路和方法有很多的共性，希望对您在板卡的使用中能够有所帮助，更多ARM开发板相关资讯，关注飞凌嵌入式知识库。
本文硬件平台采用飞凌嵌入式RK3568开发板，主要讲解如何将RK3568的PCIe
Rancher 的部署有三种架构：单节点 Kubernetes ，单节点 Docker, 高可用 Kubernetes。 这里总结一下高可用的集群的准备条件。节点配置 在 RKE 集群中安装 Rancher 高可用，官方建议为高可用配置以下基础设施：3 个 Linux 节点，通常是虚拟机，可以自行选择的基础设施提供商，例如阿里云，腾讯云。1 个负载均衡器，用于将流量转发到这三个节点。一条 DNS
