cobver(mingpai_rec_converter.pypaddleOCR模型转pytorch模型)make_data.py（生成train.txt文档)

一、搭建环境下载修改CMakefile.txt文件主要是修改caffe安装路径。画框的位置需要修改，此处为我的caffe路径，根据自己的路径进行修改。编译cd yolov3tocaffe_lecturemkdir buildcmake ..make -j4修改自己的参数后编译(只需要修改三个文件。detectnet.cpp、yolo_layer.cpp、yolo_la...

版权声明：    本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com,本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com前言：    决策树这种算法有着很多良好的特性，比如说训练时间复杂度较低，预测的过程比较快速，模型容易展示（容易将得到的决策树做成图片展示出来）

好久没有写博客，一直想重新调整自己的博客，想尽可能写的前后连贯一点，同时希望自己写的更通熟易懂些，可是迟迟没有动笔修改曾经的博文，哎，还是慢慢跟着自己的理解再修改之前的文章吧，今儿就写写关于深度学习训练中最关键的一步，数据问题，也就是样本库的建立！来记录一下自己的心得以及思考！绪言        为啥要写数据，又说数据是深度学习中最关键的一步呢？算法是重要，但是呢，真正实际工程中，业务需求

转载：http://blog.csdn.net/qll125596718/article/details/69109211.松弛变量       现在我们已经把一个本来线性不可分的文本分类问题，通过映射到高维空间而变成了线性可分的。就像下图这样：       圆形和方形的点各有成千上万个（毕竟，这就是我们训练集中文档的数量嘛，当然很大了）。现在想象我们有另一个训

http://www.2cto.com/kf/201607/522502.html决策树决策树模型是一种树形结构，基于特征对实例进行分类或回归的过程。即根据某个特征把数据分划分到若干个子区域(子树)，再对子区域递归划分，直到满足某个条件则停止划分并作为叶子节点，不满足条件则继续递归划分。一个简单的决策树分类模型：红色框出的是特征。  决策

转载：http://mp.weixin.qq.com/s?__biz=MzIzOTU0NTQ0MA==&mid=2247483901&idx=1&sn=a998e14b66c41dfd8738b76b1bb0cac1本篇内容主要是面向机器学习初学者,介绍常见的机器学习算法，当然,欢迎同行交流。哲学要回答的基本问题是从哪里来、我是谁、到哪里去，寻找答案的过程或许可以借鉴机

近日，Faizan Shaikh 在 Analytics Vidhya 发表了一篇题为《10 Advanced Deep Learning Architectures Data Scientists Should Know!》的文章，总结了计算机视觉领域已经成效卓著的 10 个深度学习架构，并附上了每篇论文的地址链接和代码实现。机器之心对该文进行了编译，原文链接请见文末。时刻跟上深度学

转载：http://blog.csdn.net/xzzppp/article/details/52071460本程序是在py-faster-rcnn/tools/demo.py的基础上进行修改的程序功能：用训练好的caffemodel，对FDDB人脸进行标注，便于其在FDDB上进行测试[python] viewplain copy

或者修改/ultralytics/nn/modules/head.py。