- 在实际应用中，输入的数据可能并不符合模型输入的要求，这时需要做预处理以满足模型输入要求。同时，对推理结果解析后，可能要做一些标价的后处理，比如对于目标检测，需要绘制方框。这里来说说常用的调用OpenCV库的方法。 在实际应用中，输入的数据可能并不符合模型输入的要求，这时需要做预处理以满足模型输入要求。同时，对推理结果解析后，可能要做一些标价的后处理，比如对于目标检测，需要绘制方框。这里来说说常用的调用OpenCV库的方法。
- 手把手教你利用ModelArts进行肺结节检测 手把手教你利用ModelArts进行肺结节检测
- 在ModelArts实现基于MXNET的人脸识别，这里我们用到的就是ModelArts中的NoteBook，也用到了OBS桶。正好在ModelArts上做了一个人脸识别的云端实验，在这里分享一下执行过程，下面开始吧。 在ModelArts实现基于MXNET的人脸识别，这里我们用到的就是ModelArts中的NoteBook，也用到了OBS桶。正好在ModelArts上做了一个人脸识别的云端实验，在这里分享一下执行过程，下面开始吧。
- 很多时候，我们需要将图像后处理的结果保存下来，这里选择为保存成图片，以当前日期来命名，我的Atlas 200 DK系统时间不太对，不过不影响。 很多时候，我们需要将图像后处理的结果保存下来，这里选择为保存成图片，以当前日期来命名，我的Atlas 200 DK系统时间不太对，不过不影响。
- 基于Atlas 200 DK的原版YOLOv3（Darknet-53）实现（Python版本），这里提供完整的工程，包括转化好的模型，只要你有Atlas 200 DK即可运行。YOLOv3可以算作是经典网络了，较好实现了速度和精度的Trade off，成为和目标检测的首选网络，堪称是史诗巨作级别（我是这么认为的）。YOLOv3是在YOLOv1和YOLOv2的基础上，改进而来。 基于Atlas 200 DK的原版YOLOv3（Darknet-53）实现（Python版本），这里提供完整的工程，包括转化好的模型，只要你有Atlas 200 DK即可运行。YOLOv3可以算作是经典网络了，较好实现了速度和精度的Trade off，成为和目标检测的首选网络，堪称是史诗巨作级别（我是这么认为的）。YOLOv3是在YOLOv1和YOLOv2的基础上，改进而来。
- 零代码轻松实现图像分类本文首次发表于华为云社区AI实战营版块，主要是作者参与【2020华为云AI实战营】】的一些学习经验，此次分享的是利用华为云AI开发平台ModelArts实现简单的图像分类,主要用到ModelArts的一键模型上线和市场订阅算法来实现同一个图像分类。开局一张图，故事全靠编。社群里边很多小伙伴的学习积极性和技巧都很sixsixsix，开局的这张图就是小花快跑大佬的学习总结，... 零代码轻松实现图像分类本文首次发表于华为云社区AI实战营版块，主要是作者参与【2020华为云AI实战营】】的一些学习经验，此次分享的是利用华为云AI开发平台ModelArts实现简单的图像分类,主要用到ModelArts的一键模型上线和市场订阅算法来实现同一个图像分类。开局一张图，故事全靠编。社群里边很多小伙伴的学习积极性和技巧都很sixsixsix，开局的这张图就是小花快跑大佬的学习总结，...
- 机器学习基础——基于SVM的红酒处理，轻松了解SVM，基于常见的红酒数据集，从基础开始，学习SVM，每天进步一点点哈。 机器学习基础——基于SVM的红酒处理，轻松了解SVM，基于常见的红酒数据集，从基础开始，学习SVM，每天进步一点点哈。
- 机器学习基础——基于鲍鱼年龄预测的线性回归Demo（附代码）。回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系。通常使用曲线/线来拟合数据点，目标是使曲线到数据点的距离差异最小。 机器学习基础——基于鲍鱼年龄预测的线性回归Demo（附代码）。回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系。通常使用曲线/线来拟合数据点，目标是使曲线到数据点的距离差异最小。
- 这是华为云开发者AI青年班黑客松大赛——对美食图片的分类代码分享，最终得分96.8，这个得分并不是很好，虽然很菜，和前几名的大佬无法相比，但还是和大家分享一下（内心OS：终于有时间来写这个了）。代码参考了一位心地善良的选手的分享，感谢他开源了代码，我在他的基础上做了一些细小的工作，使得得分略微提升一点，再次感谢那位心地善良的大佬，文中附上了大佬的GitHub代码链接 这是华为云开发者AI青年班黑客松大赛——对美食图片的分类代码分享，最终得分96.8，这个得分并不是很好，虽然很菜，和前几名的大佬无法相比，但还是和大家分享一下（内心OS：终于有时间来写这个了）。代码参考了一位心地善良的选手的分享，感谢他开源了代码，我在他的基础上做了一些细小的工作，使得得分略微提升一点，再次感谢那位心地善良的大佬，文中附上了大佬的GitHub代码链接
- 最近遇到了无法使用OBS桶上传文件，我的原因是忘记了AK和SK，无法用OBS客户端，怎么办？可以利用NoteBook来完成（需100M以下文件）。这是我的无奈之举，如果你可以用客户端就用客户端吧，又快又好。最后附上客户端下载链接（在文末）。 最近遇到了无法使用OBS桶上传文件，我的原因是忘记了AK和SK，无法用OBS客户端，怎么办？可以利用NoteBook来完成（需100M以下文件）。这是我的无奈之举，如果你可以用客户端就用客户端吧，又快又好。最后附上客户端下载链接（在文末）。
- 手把手教你用ModelArts基于YOLO V3算法实现物体检测 手把手教你用ModelArts基于YOLO V3算法实现物体检测
- 手把手教你用ModelArts实现猫狗数据集的智能标注 手把手教你用ModelArts实现猫狗数据集的智能标注
- 手把手教你用ModelArts基于海量数据训练猫狗分类模型 手把手教你用ModelArts基于海量数据训练猫狗分类模型
- 手把手教你用Modelarts基于海量数据训练美食分类模型 手把手教你用Modelarts基于海量数据训练美食分类模型
- 手把手教你利用ModelArts零代码开发美食分类模型 手把手教你利用ModelArts零代码开发美食分类模型
上滑加载中
推荐直播
-
OpenHarmony应用开发之网络数据请求与数据解析2025/01/16 周四 19:00-20:30
华为开发者布道师、南京师范大学泰州学院副教授，硕士研究生导师，开放原子教育银牌认证讲师
科技浪潮中，鸿蒙生态强势崛起，OpenHarmony开启智能终端无限可能。当下，其原生应用开发适配潜力巨大，终端设备已广泛融入生活各场景，从家居到办公、穿戴至车载。 现在，机会敲门！我们的直播聚焦OpenHarmony关键的网络数据请求与解析，抛开晦涩理论，用真实案例带你掌握数据访问接口，轻松应对复杂网络请求、精准解析Json与Xml数据。参与直播，为开发鸿蒙App夯实基础，抢占科技新高地，别错过！
回顾中 -
Ascend C高层API设计原理与实现系列2025/01/17 周五 15:30-17:00
Ascend C 技术专家
以LayerNorm算子开发为例，讲解开箱即用的Ascend C高层API
回顾中
热门标签