图像识别实战（一）----数据集的预处理1.模块的导入import osimport matplotlib.pyplot as pltimport numpy as npimport torchfrom torch import nnimport torch.optim as optimimport torchvisionfrom torchvision import transforms,mod

图像识别实战（二）----搭建网络模型6.网络参数设置model_name = 'resnet'#可选的比较多【‘resnet’,'alxenet','vgg','squeezenet','densent','inception'】#是否用人家训练好的特征来做，使用人家训练好的权重我们需要将这部分的网络训练冻结，只训练我们需要的网络层，以此来提升我们的训练效率。feature_extract =

opencv血管分割使用边缘检测算子对眼底血管进行分割，简单的实现了一下，没有调参，效果也不是很好。头文件以及图像读取#include<iostream>#include<opencv2\opencv.hpp>using namespace std;using namespace cv;void on_trackbar(int, void*) {}//后续用作createT

使用opencv实现美颜（磨皮、祛痘）头文件#include <iostream>#include<opencv2/opencv.hpp>using namespace std;using namespace cv;磨皮祛痘算法Mat mopi(Mat src){intslider = 0;Mat blur, add, Lap,add1;namedWindow("美颜");

卷积神经网络的组成：输入层（input）卷积层（conv）激活函数（relu）池化层（pool）全连接层（fc）*卷积层filter 5x5x3意味着卷积核的大小是5x5的，对应输入图像的3个通道e.g. 6 ,意味着有6个卷积核，将对应生成6个特征图pad（边界填充）=1 意味着在原先的特征图周边加上1圈全0的特征点，目的是为了增加边缘特征点被卷积核覆盖的次数。卷积核向右滑动，滑动的步长 str

翻转字符串里的单词 给定一个字符串，逐个翻转字符串中的每个单词并删除多余的空格Python实现示例：输入： "Hello World"输出：" World Hello"输入： "ni haoxiaoming"输出：" xiaoming hao ni"import redef reverseWords(s):return re.sub(""," "," ".join(s.split(" ")[::-

一、什么是wandbwandb是一个云数据记录追踪工具https://wandb.ai二、 使用步骤1、登录网站，创建自己的账户（可使用GitHub账号登陆）2、创建一个项目3、输入项目名称4、安装函数包pip install wandb5、在训练程序中引入函数包import wandbl参考train_wandb.py6、加入超参数wandb.config = {"learning_rate":

No module named ‘torchvision.models.utils’,无法加载load_state_dict_from_url解决由于torchvision的版本更新，对应的函数转移到了新版本的torch里面from torchvision.models.utils import load_state_dict_from_url改from torch.hub import load

在网上看了无数帖子，终于集百家之长后，安装成功了。事实证明是可以安装成功的，希望还在挣扎的兄弟们不要放弃。

第一步 下载源码YOLOv4 https://github.com/AlexeyAB/darknetDownload ZIP 并解压第二步 创建虚拟环境详见https://blog.csdn.net/weixin_49252254/article/details/110307445第三步 配置OpenCVpip insatll opencv-python第四步 制作自己的数据集1.标注自己的数据集