传统目标检测这里仅作简要分析，源码地址（代码有些许改变）https://github.com/Cartucho/mAP/blob/master/main.py1.文件夹分为两个，真实标签及检测标签两个文件夹中的文件均为txt文件，每张图片对应一个txt文件，其中真值标签，每一行一个目标，类别名+坐标值其中检测标签，每一行一个目标，类别名+置信度+坐标值mAP计算步骤：1.将所有真值标签读取并保存j

GitHub链接：https://github.com/LiangYang666/prototypical-networks/tree/handbag支持多gpu分布式训练，支持高版本pytorch1.xEpisodicBatchSampler 抽样器n_episodes: Number of episodes or equivalently batch sizen_way: Number of

传统目标检测这里仅作简要分析，源码地址（代码有些许改变）https://github.com/Cartucho/mAP/blob/master/main.py1.文件夹分为两个，真实标签及检测标签两个文件夹中的文件均为txt文件，每张图片对应一个txt文件，其中真值标签，每一行一个目标，类别名+坐标值其中检测标签，每一行一个目标，类别名+置信度+坐标值mAP计算步骤：1.将所有真值标签读取并保存j

一、搭建Java开发环境1.1 下载JDK1.8官方下载链接为Java Downloads | Oracle按需求下载，我这里下载jdk-8u321-linux-x64.tar.gz,需要登录Oracle 帐户后下载1.2 安装sudo mkdir /usr/local/java 创建目录sudo cp jdk-8u321-linux-x64.tar.gz /usr/local/java/将下载的

mkdir 1.txt #创建文件rm 1.txt #删除env |grep cuda #env是显示环境变量 |grep cuda是只显示包含cuda的

GitHub链接：https://github.com/LiangYang666/prototypical-networks/tree/handbag支持多gpu分布式训练，支持高版本pytorch1.xEpisodicBatchSampler 抽样器n_episodes: Number of episodes or equivalently batch sizen_way: Number of

传统目标检测这里仅作简要分析，源码地址（代码有些许改变）https://github.com/Cartucho/mAP/blob/master/main.py1.文件夹分为两个，真实标签及检测标签两个文件夹中的文件均为txt文件，每张图片对应一个txt文件，其中真值标签，每一行一个目标，类别名+坐标值其中检测标签，每一行一个目标，类别名+置信度+坐标值mAP计算步骤：1.将所有真值标签读取并保存j

自然语言处理搜狐文本匹配竞赛搜狐文本匹配竞赛比赛链接： https://www.biendata.net/competition/sohu_2021/leaderboard/baseline链接官方：https://github.com/Husbandman666/sohu2021-baselineF1(0.72): https://github.com/Husbandman666/NLP-Pro

1.安装Anaconda2.安装Pycham3.安装CUDA 9.0下载地址：点击此链接4.下载cuDDn 7.3 for CUDA 9下载地址：点击此链接5.建立tensorflow-gpu环境5.1 打开Anaconda Prompt输入conda create -n tensorflow_gpu python=3.6 并回车其中tensorflow_gpu只是环境名，取别的也没关系，只是后期

1.安装Anaconda2.安装Pycham3.安装CUDA 9.0下载地址：点击此链接4.下载cuDDn 7.3 for CUDA 9下载地址：点击此链接5.建立tensorflow-gpu环境5.1 打开Anaconda Prompt输入conda create -n tensorflow_gpu python=3.6 并回车其中tensorflow_gpu只是环境名，取别的也没关系，只是后期