logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

深度学习环境安装(VMware)-Miniconda-pytorch

从头开始安装深度学习环境VMware下,安装Miniconda,创建,激活虚拟环境安装pytorch,一键安装yolov5环境,还给朋友们提供github加速小工具!!!

文章图片
#深度学习#pytorch#ubuntu +2
深度学习环境安装(VMware)-Miniconda-pytorch

从头开始安装深度学习环境VMware下,安装Miniconda,创建,激活虚拟环境安装pytorch,一键安装yolov5环境,还给朋友们提供github加速小工具!!!

文章图片
#深度学习#pytorch#ubuntu +2
统计json、txt中标签数量(使用yolo)

【代码】统计json、txt中标签数量并绘制图表训练技巧

文章图片
#json#python#matplotlib
深度学习环境安装(VMware)-Miniconda-pytorch

从头开始安装深度学习环境VMware下,安装Miniconda,创建,激活虚拟环境安装pytorch,一键安装yolov5环境,还给朋友们提供github加速小工具!!!

文章图片
#深度学习#pytorch#ubuntu +2
面试宝典:从MobileNetV1到V3,一文全面梳理移动端深度学习模型

这篇文章主要介绍了MobileNetV1-V3这几个移动端深度学习模型。MobileNetV1采用了Depthwise Convolution的方法,大幅度减小了计算量,但同样也存在一定的退化问题。MobileNetV2通过采用Inverted residual和Linear Bottlenecks等方法,解决了深度网络中常遇到的特征退化问题。MobileNetV3则通过MobileNetV2的基

文章图片
#深度学习#人工智能#计算机视觉 +1
面试宝典:从MobileNetV1到V3,一文全面梳理移动端深度学习模型

这篇文章主要介绍了MobileNetV1-V3这几个移动端深度学习模型。MobileNetV1采用了Depthwise Convolution的方法,大幅度减小了计算量,但同样也存在一定的退化问题。MobileNetV2通过采用Inverted residual和Linear Bottlenecks等方法,解决了深度网络中常遇到的特征退化问题。MobileNetV3则通过MobileNetV2的基

文章图片
#深度学习#人工智能#计算机视觉 +1
yolov5算法-学习过程

这张图是在找工作前,回忆yolo系列的发展历程,进行梳理的图。内容可能有一些不准确的地方,请指出。

文章图片
#深度学习#人工智能#计算机视觉 +2
到底了