Jochen12345的博客

这段时间由于项目的需要，需要将yolov8部署到C++上以及跟相应的算法结合，花了我不少时间。现阶段有考虑过使用onnx转Tensort，，故放弃，有目标检测的小伙伴可以试试，接下来使用onnxruntime来试试。下面我将尝试用opencv CPP推理我们得到onnx文件。

根据之前我笔记中的水果识别 接下来我们可以开始进阶的识别在我们的桌面建立一个新建文件夹，我这里是新建了一个命名为123的文件夹在新建文件夹下输入cmd然后我们可以更换镜像源，这样做的目的是为了让我们后续下载各类包更快这里推荐中科大的。

是用来划分数据集但是我们这里的果蔬的数据集是做了划分的‘以我们下载的数据集为例image_data是我们用来训练的数据集test_image_data是用来测试的数据集到时候我们就会分开来加载训练集以及测试集指的是训练集和验证集所占的比例 分别是80%和20%85行是原始数据的目录文件夹86行是输入目标数据的文件夹87行就会给我们划分出来这两个数据集是用来测试我们这两个模型的测试与训练的过程主要的不同点在于 测试的过程中我们直接加载模型就可以。

案例入门——内容来源于bilibiliup主。错题改正的过程=反向传播与梯度下降调整权重。为了方便验证集和测试集可以一样 但是。测验考试=验证（validate）练习的过程=训练（train）脑子=CNN（卷积神经网络）高考前刷的练习=数据集。错题=loss（误差）高考=测试（test）

案例来自哔哩哔哩UP主。