- @[toc]在上一篇文章中完成了前期的准备工作，见链接：Swin Transformer v2实战：使用Swin Transformer v2实现图像分类（一）这篇主要是讲解如何训练和测试 训练完成上面的步骤后，就开始train脚本的编写，新建train.py. 导入项目使用的库import jsonimport osimport shutilimport matplotlib.pyplot... @[toc]在上一篇文章中完成了前期的准备工作，见链接：Swin Transformer v2实战：使用Swin Transformer v2实现图像分类（一）这篇主要是讲解如何训练和测试 训练完成上面的步骤后，就开始train脚本的编写，新建train.py. 导入项目使用的库import jsonimport osimport shutilimport matplotlib.pyplot...
- @[toc]在上一篇文章中完成了前期的准备工作，见链接：MicroNet实战：使用MicroNet实现图像分类（一）_AI浩的博客-CSDN博客这篇主要是讲解如何训练和测试 配置参数本次训练采用的参数是M3的配置参数，详细的配置参数在utils/defaults.py文件，参数如下：_C = CN()_C.MODEL = CN()_C.MODEL.DEVICE = "cuda"_C.MODE... @[toc]在上一篇文章中完成了前期的准备工作，见链接：MicroNet实战：使用MicroNet实现图像分类（一）_AI浩的博客-CSDN博客这篇主要是讲解如何训练和测试 配置参数本次训练采用的参数是M3的配置参数，详细的配置参数在utils/defaults.py文件，参数如下：_C = CN()_C.MODEL = CN()_C.MODEL.DEVICE = "cuda"_C.MODE...
- 继续随机梯度下降法，回到广告数据，以TV，radio为自变量，以sales为因变量，没有截距，所有观测点作为训练数据。先要对自变量进行标准化，对因变量进行中心化。标准化后所有自变量的均值是0，方差是1。中心化后因变量的均值是0。这样做可以让梯步下降法的数值更加稳定，更容易找到合适的初始值和学习步长。一个标准化的方法就是让数据的每一列减去该列的均值，然后除以该列的样本标准差（sd(x)sd(x... 继续随机梯度下降法，回到广告数据，以TV，radio为自变量，以sales为因变量，没有截距，所有观测点作为训练数据。先要对自变量进行标准化，对因变量进行中心化。标准化后所有自变量的均值是0，方差是1。中心化后因变量的均值是0。这样做可以让梯步下降法的数值更加稳定，更容易找到合适的初始值和学习步长。一个标准化的方法就是让数据的每一列减去该列的均值，然后除以该列的样本标准差（sd(x)sd(x...
- @[toc] 摘要MMDetection是商汤和港中文大学针对目标检测任务推出的一个开源项目，它基于Pytorch实现了大量的目标检测算法，把数据集构建、模型搭建、训练策略等过程都封装成了一个个模块，通过模块调用的方式，我们能够以很少的代码量实现一个新算法，大大提高了代码复用率。GitHub链接：https://github.com/open-mmlab/mmdetection。Gitee链... @[toc] 摘要MMDetection是商汤和港中文大学针对目标检测任务推出的一个开源项目，它基于Pytorch实现了大量的目标检测算法，把数据集构建、模型搭建、训练策略等过程都封装成了一个个模块，通过模块调用的方式，我们能够以很少的代码量实现一个新算法，大大提高了代码复用率。GitHub链接：https://github.com/open-mmlab/mmdetection。Gitee链...
- tensorflow object detection api一个框架，它可以很容易地构建、训练和部署对象检测模型，并且是一个提供了众多基于COCO数据集、Kitti数据集、Open Images数据集、AVA v2.1数据集和iNaturalist物种检测数据集上提供预先训练的对象检测模型集合。 作者：机器未来 链接：https://juejin.cn/post/710166432741693 tensorflow object detection api一个框架，它可以很容易地构建、训练和部署对象检测模型，并且是一个提供了众多基于COCO数据集、Kitti数据集、Open Images数据集、AVA v2.1数据集和iNaturalist物种检测数据集上提供预先训练的对象检测模型集合。 作者：机器未来 链接：https://juejin.cn/post/710166432741693
- 本文描述了基于Tensorflow2.x Object Detection API构建自定义物体检测器的保姆级教程，详细地描述了代码框架结构、数据集的标准方法，标注文件的数据处理、模型流水线的配置、模型的训练、评估、推理全流程。 本文描述了基于Tensorflow2.x Object Detection API构建自定义物体检测器的保姆级教程，详细地描述了代码框架结构、数据集的标准方法，标注文件的数据处理、模型流水线的配置、模型的训练、评估、推理全流程。
- 大家好，我是丁小杰。今天来和大家一起学习，如何使用 Python 的 Keras 库来实现手写数字分类。目的：将手写数字的灰度图像（28 像素×28 像素）划分到 10 个类别中(0~9)数据来源：MNIST 数据集，包含 60000 张训练图像和 10000 张测试图像数据。 什么是 KerasKeras 是基于 TensorFlow 和 Theano（由加拿大蒙特利尔大学开发的机器学习框... 大家好，我是丁小杰。今天来和大家一起学习，如何使用 Python 的 Keras 库来实现手写数字分类。目的：将手写数字的灰度图像（28 像素×28 像素）划分到 10 个类别中(0~9)数据来源：MNIST 数据集，包含 60000 张训练图像和 10000 张测试图像数据。 什么是 KerasKeras 是基于 TensorFlow 和 Theano（由加拿大蒙特利尔大学开发的机器学习框...
- 摘要本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，今天我和大家一起实现tensorflow2.X版本图像分类任务，分类的模型使用MobileNetV1。本文实现的算法有一下几个特点：1、自定义了图片加载方式，更加灵活高效，不用将图片一次性加载到内存中，节省内存,适合大规模数据集。2、加载模型的预训练权重，训练时间更短。3、数据增强选用albumentations。关于... 摘要本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，今天我和大家一起实现tensorflow2.X版本图像分类任务，分类的模型使用MobileNetV1。本文实现的算法有一下几个特点：1、自定义了图片加载方式，更加灵活高效，不用将图片一次性加载到内存中，节省内存,适合大规模数据集。2、加载模型的预训练权重，训练时间更短。3、数据增强选用albumentations。关于...
- InceptionV3实战：tensorflow2.X版本，InceptionV3图像分类任务（大数据集） 摘要本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，今天我和大家一起实现tensorflow2，分类的模型使用InceptionV3。本文实现的算法有一下几个特点：1、自定义了图片加载方式，更加灵活高效，不用将图片一次性加载到内存中，节省内存,适合大规模数据集。2... InceptionV3实战：tensorflow2.X版本，InceptionV3图像分类任务（大数据集） 摘要本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，今天我和大家一起实现tensorflow2，分类的模型使用InceptionV3。本文实现的算法有一下几个特点：1、自定义了图片加载方式，更加灵活高效，不用将图片一次性加载到内存中，节省内存,适合大规模数据集。2...
- ResNet实战：tensorflow2.X版本，ResNet50图像分类任务（大数据集） 摘要本例提取了猫狗大战数据集中的部分数据做数据集，演示tensorflow2.X版本如何使用Keras实现图像分类，分类的模型使用ResNet50。本文实现的算法有一下几个特点：1、自定义了图片加载方式，更加灵活高效，不用将图片一次性加载到内存中，节省内存,适合大规模数据集。2、加载模型的预训练权重... ResNet实战：tensorflow2.X版本，ResNet50图像分类任务（大数据集） 摘要本例提取了猫狗大战数据集中的部分数据做数据集，演示tensorflow2.X版本如何使用Keras实现图像分类，分类的模型使用ResNet50。本文实现的算法有一下几个特点：1、自定义了图片加载方式，更加灵活高效，不用将图片一次性加载到内存中，节省内存,适合大规模数据集。2、加载模型的预训练权重...
- 摘要本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，今天我和大家一起实现tensorflow2.X版本图像分类任务，分类的模型使用ResNet50。通过这篇文章你可以学到：1、如何加载图片数据，并处理数据。2、如果将标签转为onehot编码3、如何使用数据增强。4、如何使用mixup。5、如何切分数据集。6、如何加载预训练模型。 训练 1、Mixupmixup是一种非常... 摘要本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，今天我和大家一起实现tensorflow2.X版本图像分类任务，分类的模型使用ResNet50。通过这篇文章你可以学到：1、如何加载图片数据，并处理数据。2、如果将标签转为onehot编码3、如何使用数据增强。4、如何使用mixup。5、如何切分数据集。6、如何加载预训练模型。 训练 1、Mixupmixup是一种非常...
- 摘要本例提取了猫狗大战数据集中的部分数据做数据集，演示tensorflow2.0以上的版本如何使用Keras实现图像分类，分类的模型使用DenseNet121。本文实现的算法有一下几个特点：1、自定义了图片加载方式，更加灵活高效，节省内存2、加载模型的预训练权重，训练时间更短。3、数据增强选用albumentations。 训练 第一步 导入需要的数据包，设置全局参数import nump... 摘要本例提取了猫狗大战数据集中的部分数据做数据集，演示tensorflow2.0以上的版本如何使用Keras实现图像分类，分类的模型使用DenseNet121。本文实现的算法有一下几个特点：1、自定义了图片加载方式，更加灵活高效，节省内存2、加载模型的预训练权重，训练时间更短。3、数据增强选用albumentations。 训练 第一步 导入需要的数据包，设置全局参数import nump...
- 摘要本例提取了猫狗大战数据集中的部分数据做数据集，演示tensorflow2.0以上的版本如何使用Keras实现图像分类，分类的模型使用DenseNet121。 训练 第一步 导入需要的数据包，设置全局参数import numpy as npfrom tensorflow.keras.optimizers import Adamimport cv2from tensorflow.keras... 摘要本例提取了猫狗大战数据集中的部分数据做数据集，演示tensorflow2.0以上的版本如何使用Keras实现图像分类，分类的模型使用DenseNet121。 训练 第一步 导入需要的数据包，设置全局参数import numpy as npfrom tensorflow.keras.optimizers import Adamimport cv2from tensorflow.keras...
- 识别手写数字图片是深度学习的print(“Hello world!”)，是入门级别的小实验，主要是熟悉卷积神经网络的开发流程。本次用到的依然是经典的minist数据集，不过事先分出了训练集和测试集并转换成csv格式。 识别手写数字图片是深度学习的print(“Hello world!”)，是入门级别的小实验，主要是熟悉卷积神经网络的开发流程。本次用到的依然是经典的minist数据集，不过事先分出了训练集和测试集并转换成csv格式。
- 基本思路本文是简单地体验一下神经网络参数更新的流程，因此不涉及激活函数和Drop_out等知识点。首先利用高斯分布随机生成2000个点，这2000个点围绕某条已知的直线，再初始化权重参数w和偏移量b，根据w和b计算出预测值，再与真实值比较计算出损失函数（采用均方误差作为指标），使用梯度下降的优化方法更新参数使得损失函数最小化，最后让整个线性回归模型训练500次即可。 代码及流程本例使用Mo... 基本思路本文是简单地体验一下神经网络参数更新的流程，因此不涉及激活函数和Drop_out等知识点。首先利用高斯分布随机生成2000个点，这2000个点围绕某条已知的直线，再初始化权重参数w和偏移量b，根据w和b计算出预测值，再与真实值比较计算出损失函数（采用均方误差作为指标），使用梯度下降的优化方法更新参数使得损失函数最小化，最后让整个线性回归模型训练500次即可。 代码及流程本例使用Mo...
上滑加载中
推荐直播
-
Ascend C算子编程之旅：基础入门篇2024/11/22 周五 16:00-17:30
莫老师 昇腾CANN专家
介绍Ascend C算子基本概念、异构计算架构CANN和Ascend C基本概述，以及Ascend C快速入门，夯实Ascend C算子编程基础
回顾中 -
深入解析：华为全栈AI解决方案与云智能开放能力2024/11/22 周五 18:20-20:20
Alex 华为云学堂技术讲师
本期直播我们将重点为大家介绍华为全栈全场景AI解决方案以和华为云企业智能AI开放能力。旨在帮助开发者深入理解华为AI解决方案，并能够更加熟练地运用这些技术。通过洞悉华为解决方案，了解人工智能完整生态链条的构造。
回顾中 -
华为云DataArts+DWS助力企业数据治理一站式解决方案及应用实践2024/11/27 周三 16:30-18:00
Walter.chi 华为云数据治理DTSE技术布道师
想知道数据治理项目中，数据主题域如何合理划分？数据标准及主数据标准如何制定？数仓分层模型如何合理规划？华为云DataArts+DWS助力企业数据治理项目一站式解决方案和应用实践告诉您答案！本期将从数据趋势、数据治理方案、数据治理规划及落地，案例分享四个方面来助力企业数据治理项目合理咨询规划及顺利实施。
去报名
热门标签