- 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
-
华为云码道-AI时代应用开发利器2026/03/18 周三 19:00-20:00
童得力，华为云开发者生态运营总监/姚圣伟，华为云HCDE开发者专家
本次直播由华为专家带你实战应用开发，看华为云码道(CodeArts)代码智能体如何在AI时代让你的创意应用快速落地。更有华为云HCDE开发者专家带你用码道玩转JiuwenClaw，让小艺成为你的AI助理。
回顾中 -
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
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
热门标签