这里写自定义目录标题运行环境源码下载欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出
tensorflow架构 Object detection is one of the most popular and used computer vision methods nowadays, where the intention is not only to determine whether the object is found or not in the image in the
转载
2024-08-06 21:05:06
84阅读
紧接上一篇，此时，已经选择了一个预先训练好的模型，以适应新的对象检测任务。在这篇文章中，将向展示如何将数据集转换为 TFRecord 文件，以便于调整模型。这是整个过程中最棘手的部分之一，并且需要动手编写一些代码，除非选择的数据集已经是特定的格式。TensorFlow 对象检测API教程 - 第2部分：将现有数据集转换为 TFRecord在本教程中，创建了一个可识别交通灯状态的交通灯分类器。预先训
转载
2024-02-25 05:17:35
31阅读
论文原文地址：Towards End-to-End Lane Detection: an Instance Segmentation ApproachTensorflow代码地址：lanenet-lane-detection 现在作者维护的版本更新到了2021.4.29。我上传到了百度网盘里：链接：https://pan.baidu.com/s/1XydBVV-niTo9GybRDhqu
转载
2024-05-06 12:44:02
128阅读
本教程主要是对人脸检测及识别python实现系列 及碉堡了！程序员用深度学习写了个老板探测器（付源码） 的实现。主要实现的功能是用网络摄像头自动识别在工位通道走过的人脸，如果确认是老板的话，就用一张图片覆盖到整个屏幕上。虽然原教程已经写的很好，但是我们在实现的时候仍然踩了很多坑。本着让后来者少走点弯路的原则，我们特将最详细的步骤记录如下，以期读者朋友只花最少的时间便能体验用tensorflow实现
转载
2024-04-22 14:35:18
254阅读
前言最近开始学习pytorch，之前我用的是tensorflow2.4，体验实在是一言难尽，现在有时间了，还是决定转到pytorch上感受一下，以下是我在分类问题中的一些总结，供大家参考。上手难度方面。我推荐pytorch，虽然tensorflow从代码上看更简洁，有些功能打包的更完整，但是由于2.0版本和1.0版本差别较大，会让你在学习过程中踩很多坑，弯路真是走了不少啊。参考资料方面。相信大家在
转载
2023-07-10 22:16:27
92阅读
1、需要准备的东西分别解压 安装包编译环境yum install autoconfinstallyum installinstallinstallinstallyum install unzip (g++没找到）yum install gcc-c++ (用这个命令才能安装g++)yum install zlib yum install zlib-develyum
转载
2024-03-09 22:23:04
207阅读
本文翻译自Medium上的文章：Step by Step TensorFlow Object Detection API Tutorial — Part 2: Converting Existing Dataset to TFRecord，原文地址：https://medium.com/@WuStangDan/step-by-step-tensorflow-object-detection-api
二、数据准备 1）下载图片 图片来源于ImageNet中的鲤鱼分类，下载地址：https://pan.baidu.com/s/1Ry0ywIXVInGxeHi3uu608g 提取码: wib3 在桌面新建文件夹目标检测，把下载好的压缩文件n01440764.tar放到其中，并解压 2）选择图片 在此数据集中，大部分图片都较为清晰，但是有极少数图片像素点少，不清晰。像素点少
转载
2024-06-24 06:43:07
44阅读
Lanenet 一个端到端的网络，包含Lanenet+HNet两个网络模型，其中，Lanenet完成对车道线的实例分割，HNet是一个小网络结构，负责预测变换矩阵H，使用转换矩阵H对同属一条车道线的所有像素点进行重新建模将语义分割和对像素进行向量表示结合起来的多任务模型，最近利用聚类完成对车道线的实例分割。 将实例分割任务
转载
2023-10-31 15:16:43
23阅读
平时工作就是做深度学习，但是深度学习没有落地就是比较虚，目前在移动端或嵌入式端应用的比较实际，也了解到目前主要有caffe2，腾讯ncnn，tensorflow，因为工作用tensorflow比较多，所以也就从tensorflow上下手了。下面内容主要参考&翻译： https://www.tensorflow.org/mobile/?hl
转载
2024-05-27 17:12:24
75阅读
摘要本次实战案例，少奶奶给大家带来了使用Tensorflow Lite方式把YOLOV3嵌入Android版APP中，该APP通过调用手机摄像头，实现实时检测并返回具体结果，从而实现自定义网络模型移植边缘设备的可能。通过阅读本篇博客，大家也可以获得以下提升： 1）自定义训练的网络模型都可以通过TensorFlow Lite移植到Android版的APP中，实现实时监测。 2）讲解Android项目
转载
2024-04-22 19:59:04
98阅读
本文翻译自Medium上的文章：Step by Step TensorFlow Object Detection API Tutorial — Part 3: Creating Your Own Dataset，进行到这一步，我们已选择了预训练模型，并将现有数据集转化为单个TFRecord文件。但是，如果我们找到的数据集与即将使用的目标检测模型不完全匹配，而我们希望获得最佳效果，该怎么办？ 更极端
转载
2024-05-01 15:08:42
55阅读
文章目录写在前面examples/lite/examples/object_detection/android简介使用 Android Studio 在手机上运行安装 demo app 上帝视角：需要准备什么呢？ 上帝视角：Android Studio 运行 demo初见效果再出发关于前面报错模型没有 metadata 信息关于 demo 的主要更新两种 inference 方式的切换关于 dem
整理：Tom Hardy
对目标检测开源框架进行了汇总，无论是模型的快速实现，抑或是落地调优，都非常方便
1、mmDetection维护：商汤科技Github连接：https://github.com/open-mmlab/mmdetection为目标检测而生的框架，商汤科技和香港中文大学联合开源。支持的模型越来越多（如下图所示），模块化的设计：backbone、neck、box
转载
2024-08-20 21:53:12
50阅读
TensorFlow Object Detection API系列教程一：Hello World! 简单介绍第一个目标检测例子实验环境代码下载安装相关依赖编译ProtobufRun起来简单分析参考 简单介绍TensorFlow Object Detection API是一个基于Tensorflow之上的开源框架，它使得构建、训练和部署目标检测模型变得更加容易。这是一个google的项目，对于计算
转载
2024-08-30 16:12:57
72阅读
第一步：VS2015+OpenCV3.1.0下载opencv3.1.0，解压到D盘，然后将下面路径放到环境变量中： 创建vs控制台程序，然后修改为release模式，x64环境，然后在releasex64点反键，来新建属性表，取名opencv3.1.0_release，然后进行如下配置： 包含目录：库目录：链接器----输入---附加依赖库：这样就配置完成。Wi
# TensorFlow vs PyTorch 训练速度解析
在深度学习的领域中，TensorFlow和PyTorch是最常用的两个框架。对于研究者和工程师来说，理解这两个框架的训练速度至关重要。本文将探讨两者在训练速度上的比较，并提供相应的代码示例以帮助你更好地理解。
## 一、框架介绍
### TensorFlow
TensorFlow是Google开发的一个开源深度学习框架，它提供了
文章目录起源区别 #0 —— 应用区别 #1——动态及静态图形定义区别 #2—— 调试区别 #3——可视化区别 #4——部署区别 #5—— 数据并行区别 #6——一个更像框架，一个更像库总结 在今年 5 月初召开的 Facebook F8 开发者大会上，Facebook 宣布将推出旗下机器学习开发框架 PyTorch 的新一代版本 PyTorch 1.0。据 Facebook 介绍，PyTorc
转载
2024-07-31 19:50:34
36阅读
1.训练速度慢的原因在我们训练网络的时候，是cpu先处理好数据然后送入网络中gpu进行计算，这样在cpu处理数据时非常的慢，会使得gpu有较长的空载时间。常规的训练方式如下。2 加速方法2.1 方法1 tf.data.prefetch()这是可以使用tf.data.prefetch()方法，提前从数据集中取出若干数据放到内存中，这样可以使在gpu计算时，cpu通过处理数据，从而提高训练的速度。如下
转载
2024-04-28 19:11:31
76阅读
