上一节,我们可以用自己手写的算法以及手动搭建的神经网络完成预测了,不知各位同学有没有自己尝试来预测一只猫或者一只狗,看看准确度如何?
本节应一位同学的建议,来介绍下 python 代码仓库的目录结构,以及每一部分是做什么?
我们这个小课的代码实战仓库链接为:cv_learning_from_scratch: 课程[CV视觉从算法到调优]代码,里面的代码都是可以下载完成后直接运行的。
如果你感兴趣,可以修改里面的部分代码逻辑,然后实验一下是否可以满足整个图片识别项目的需求。
仓库目录结构介绍

整个仓库目录如上,后面估计不会大改,可能会有持续更新,但会保持目录结构的一致。
红色框标注的是在介绍传统计算机视觉时用到的一些实操代码。大家可以点击下方链接来回顾一下。
本文介绍了Python代码仓库的目录结构,包括model目录中模型相关的代码,pics目录下的推理数据,以及python目录下的算法核心逻辑。重点讲解了resnet50_parser.py、ops目录、infer.py文件和pics目录的作用,提供了代码实战链接,适合学习和实践。
订阅专栏 解锁全文
1063

被折叠的 条评论
为什么被折叠?



