- 训练场景下，迁移原始网络 (如TensorFlow、PyTorch) ，用于NPU上执行训练，网络迁移可能会造成自有实现的算子运算结果与用原生标准算子运算结果存在偏差。 训练场景下，迁移原始网络 (如TensorFlow、PyTorch) ，用于NPU上执行训练，网络迁移可能会造成自有实现的算子运算结果与用原生标准算子运算结果存在偏差。
- @[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。
上滑加载中
推荐直播
-
OpenSpeech2024/12/14 周六 10:30-15:30
华为讲师团
我们希望能够更接地气、更懂开发者，展示开发者不一样的多维面。不管是中国还是海外，学生还是企业， 每一个开发者的故事都值得被聆听。
回顾中 -
2024华为开发者年度盛典颁奖礼2024/12/15 周日 14:00-16:00
华为专家团
2024华为开发者大赛总决赛展开终极之战，创想无限、以赛会友。创新项目亮相，解锁并体验华为前沿技术。近百位在各领域与华为共建生态的“年度开发者”重磅揭晓、群星闪耀。
即将直播 -
鸿蒙应用云函数调用实践2024/12/16 周一 16:00-18:00
Skye 华为云学堂技术讲师
本期直播带你了解基于Serverless的函数工作流FunctionGraph及其优势、掌握在HarmonyOS上如何调用FunctionGraph云函数，通过待办清单即学即练的操作实践，感受鸿蒙应用开发技术魅力！
去报名
热门标签