YOLOV5模型从发布到现在都是炙手可热的目标检测模型，被广泛运用于各大场景之中。因此，我们不光要知道如何进行yolov5模型的训练，而且还要知道怎么进行部署应用。在本篇博客中，我将利用yolov5模型简单的实现从摄像头端到web端的部署应用demo，为读者提供一些部署思路。YOLOV5的强大之处多路摄像头读取在此篇博客中，采用了yolov5源码的datasets.py代码中的LoadStream

终于等到python版本的opencv4.4版本了，不用麻烦的编译opencv4.4，就可以调用yolov4模型了。在opencv4.4出来之前，通过编译darknet来推理yolov4训练出来的模型，精度还行，但是速度太慢（cpu），只能在GPU下加速才能有不错的FPS值。话不多说，我们来对比一下使用darknet原生推理速度和使用opencv-python 4.4.0.40加速之后的速度。..

  PTB（Penn Treebank Dataset）文本数据集是语言模型学习中目前最广泛使用的数据集。下面将使用它构建一个长短期记忆网络（LSTM）。本文中只讲相应的代码实现，而关于LSTM的理论可以阅读这篇文章——Understanding LSTM Networks。  下面是本次构建LSTM的示意图，从图中可知，输入的词向量维度为（20，35，650），这分别代表的是批次数（batch.

在用sklearn做机器学习的时候，我们经常要对数据进行预处理，而又经常使用标准化预处理数据，但是，使用StandardScaler有可能会出现ValueError 的错误。具体的错误如下面所示：通过查看sklearn的帮助文档，发现：StandardScaler 能够接受 scipy.sparse 作为输入，只要参数 with_mean=False 被准确传入它的构造器。否则会出现 Va

OpenCV之前只支持python2版本，不支持python3版本，在现在python3也可以安装OpenCV包了，而且也没有之前使用python2安装OpenCV那么麻烦了。但是，还是需要手动去下载包在安装，如果直接使用pip install opencv-python是会出错的。所以，可以下面的网址下载对应版本及平台的 .whl 包，再手动安装。https://www.lfd.uci....

介绍逻辑回归模型是业界运用最为广泛的模型，我们从下面几个方面讨论这个模型：1. 在模型层面上，逻辑回归模型是被用来解决分类问题的。由于分类是一个非线性问题，所以建模的主要难点是如何将非线性问题转化为线性问题。主要从两方面入手：- 从分解问题的角度入手：通过引入隐含变量（这里举一个例子，来解释什么是隐含变量：当人们在购买衣服的时候，能被其他人观察到的只有购买与否这个行为，而忽略了在这...

在python可视化中，Matplotlib自动化程度非常高，但是，掌握如何设置系统以便获得一个吸引人的图是相当困难的事。为了控制matplotlib图表的外观，Seaborn模块自带许多定制的主题和高级的接口。Seaborn中有五种可供选择的主题：    1.darkgrid（灰色网格）    2.whitegrid（白色网格）    3.dark（黑色）    4.whit

  在搭建神经网络模型时，都会计算模型的loss，再进行反向传播优化参数。而在TensorFlow中计算loss的函数有很多，其中使用比较多的是:tf.losses.sparse_softmax_cross_entropy()tf.nn.sparse_softmax_cross_entropy_with_logits()tf.nn.softmax_cross_entropy_with_lo...

YOLOV5模型从发布到现在都是炙手可热的目标检测模型，被广泛运用于各大场景之中。因此，我们不光要知道如何进行yolov5模型的训练，而且还要知道怎么进行部署应用。在本篇博客中，我将利用yolov5模型简单的实现从摄像头端到web端的部署应用demo，为读者提供一些部署思路。YOLOV5的强大之处多路摄像头读取在此篇博客中，采用了yolov5源码的datasets.py代码中的LoadStream

k-means是一个十分简单的聚类算法，它的思路非常简明清晰，所以经常拿来当做教学。下面就来讲述一下这个模型的细节操作。内容模型原理模型收敛过程模型聚类个数模型局限1. 模型原理将某一些数据分为不同的类别，在相同的类别中数据之间的距离应该都很近，也就是说离得越近的数据应该越相似，再进一步说明，数据之间的相似度与它们之间的欧式距离成反比。这就是k-means模型的假设。...