- 前言本文是实践记录，首先搭建YOLOv5 开发环境，然后训练模型，最后推理，查看效果。本文分为精简版和详细版，精简版是由简介和命令组成的；详细版是由简介、命令、过程信息记录 组成的。前提挂载谷歌云盘、来到自己的谷歌云盘下的目录。from google.colab import drivedrive.mount('/content/gdrive')在云盘中，创建一个名为YOLOv5的目录，然后... 前言本文是实践记录，首先搭建YOLOv5 开发环境，然后训练模型，最后推理，查看效果。本文分为精简版和详细版，精简版是由简介和命令组成的；详细版是由简介、命令、过程信息记录 组成的。前提挂载谷歌云盘、来到自己的谷歌云盘下的目录。from google.colab import drivedrive.mount('/content/gdrive')在云盘中，创建一个名为YOLOv5的目录，然后...
- 下面几篇paper有异曲同工之妙，开启了anchor-based和anchor-free的轮回。1. Feature Selective Anchor-Free Module for Single-Shot Object Detection2. FCOS: Fully Convolutional One-Stage Object Detection3. FoveaBox: Beyond An... 下面几篇paper有异曲同工之妙，开启了anchor-based和anchor-free的轮回。1. Feature Selective Anchor-Free Module for Single-Shot Object Detection2. FCOS: Fully Convolutional One-Stage Object Detection3. FoveaBox: Beyond An...
- 主要介绍Char CNN和DS CNN两个网络模型的从GPU上TensorFlow代码迁移到Ascend 910（NPU）上TensorFlow代码的过程。 主要介绍Char CNN和DS CNN两个网络模型的从GPU上TensorFlow代码迁移到Ascend 910（NPU）上TensorFlow代码的过程。
- 【昇腾CANN训练营第二期】【应用营】第二周作业实操 【昇腾CANN训练营第二期】【应用营】第二周作业实操
- 从零开始，完整搭建基于风格迁移的图像处理APP（Powered by Android） 从零开始，完整搭建基于风格迁移的图像处理APP（Powered by Android）
- 代码来源https://gitee.com/ascend/modelzoo/tree/master/contrib/TensorFlow/Research/nlp/char-level_cnn/CharCNN_tf_huangjinsai 运行环境NPU： 1 Ascend 910GPU： 1 Nvidia V100 16GB 运行结果 NPU数据训练过程：Epoch: 10Iter: ... 代码来源https://gitee.com/ascend/modelzoo/tree/master/contrib/TensorFlow/Research/nlp/char-level_cnn/CharCNN_tf_huangjinsai 运行环境NPU： 1 Ascend 910GPU： 1 Nvidia V100 16GB 运行结果 NPU数据训练过程：Epoch: 10Iter: ...
- 自然语言处理（Natural Language Processing, NLP）领域中，近年来出现了一批以GPT、BERT为代表的大模型崭露头角，在各类任务上大幅提升了精度，并逐渐成为主流。但是大模型并不是万能的，在当前这个环境下，我们该如何看待大模型呢？ 自然语言处理（Natural Language Processing, NLP）领域中，近年来出现了一批以GPT、BERT为代表的大模型崭露头角，在各类任务上大幅提升了精度，并逐渐成为主流。但是大模型并不是万能的，在当前这个环境下，我们该如何看待大模型呢？
- FCOS: Fully Convolutional One-Stage Object Detection Backgroundanchor-based 方法的不足：anchor的参数过多，且对最终的检测性能有较大的影响。例如anchor的大小，长宽比等。anchor导致的正负样本不平衡问题较为严重anchor-based的方法分为two-stage和one-stage。two-stage的... FCOS: Fully Convolutional One-Stage Object Detection Backgroundanchor-based 方法的不足：anchor的参数过多，且对最终的检测性能有较大的影响。例如anchor的大小，长宽比等。anchor导致的正负样本不平衡问题较为严重anchor-based的方法分为two-stage和one-stage。two-stage的...
- 关于YOLOv5修改网络结构 关于YOLOv5修改网络结构
- tensorflow函数式API的使用 tensorflow函数式API的使用
- 使用tensorflow对图片进行分割 使用tensorflow对图片进行分割
上滑加载中
推荐直播
-
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中 -
华为云码道全新升级，多会话并行与多智能体协作2026/05/08 周五 19:00-21:00
王一男-华为云码道产品专家；张嘉冉-华为云码道工程师；胡琦-华为云HCDE；程诗杰-华为云HCDG
华为云码道4月份版本全新升级，此次直播深度解读4月份产品特性，通过“特性解读+实操演示+实战案例+设计创新”的组合，全方位展现码道在多会话并行与多智能体协作方面的能力，赋能开发者提升效率
正在直播
热门标签