这里写目录标题一级目录二级目录三级目录一级目录二级目录三级目录

opencv在图像上绘制直线或指定区域

直接打开链接 https://raw.githubusercontent.com/tloen/alpaca-lora/main/alpaca_data_cleaned_archive.json，然后全选页面复制，再保存到新建的文件里。这里我们要基于LLAMA-7B做指令微调，所以要先下载模型权重，并作一系列转换。可以看到，经过指令微调之后，模型已经可以正常回答我们的问题了。（当然，这里可能会遇到网

由于我们使用的是deepstream的6.1.1版本，我们进入deepstream_python_apps目录，并切换到tag1.1.4版本，（注意deepstream版本要跟deepstream_python_apps对应的工程版本对应，否则可能会出错）（下一步工作：尝试用deepstream + 自己的模型yolov5模型 构建整个视频应用）2023年07月06日 屏幕视频 22时11分56秒

faiss的python接口使用1. 简介2. 安装3. 示例1. 简介faiss是一种ann（Approximate Nearest Neighbor）库，可以用于特征的入库，检索。不仅可以在cpu上使用，还可以利用GPU进行检索，提高检索的速度。具体可以参考：https://github.com/facebookresearch/faiss2. 安装cpu版本，适用于各个系统pip insta

numpy实现卷积层

Flask部署深度学习模型的一个例子一. Flask二. postman工具一. Flask工程一共包括三个文件：用于测试的图片1.jpgindex_to_name.py定义了一个字典，键是预测类label，值是对应的class_name，如下图所示：主要代码文件app.pyfrom index_to_name import img_class_mapimport torchvision.mode

目录一. IoU介绍二. 计算思路2.1 相交的情况2.2 不相交情况三. 代码一. IoU介绍IoU，即 intersection over Union，就是两个矩形框的交集面积与他们并集面积的比值。IoU也是一种算法性能的指标，例如在语义分割时就会用IoU来衡量分割效果的好坏。举例说明，如下图所示：已知：左边的矩形框假设为N，左上角坐标为(x1, y1), 右下角坐标为(x2, y2)；右边的

目录1. Numpy实现2. Pytorch实现3. nn.CrossEntropy的weight参数1. Numpy实现import torchimport numpy as npfrom torch.nn import functional as F# 定义softmax函数def softmax(x):return np.exp(x) / np.sum(np.exp(x))# 利用numpy

目录一. Sobel二. Canny一. Sobel1. 简介Sobel算子利用一个横轴方向的算子和纵轴方向的算子，分别求得图像的梯度，再加权求和。横轴方向的算子为:纵轴方向的算子为：（注意：这里正负号在左边还是邮编并无影响，因为最后计算的时候会取左右或者上下之差的绝对值）2. 举例说明假设现在有输入，如下所示：以a13点为例，横轴方向计算:可得：Gx =| (a9 - a7) +(a14 - a