knowledge_endlesss的博客

一、学习目标• 理解验证集的作用，并使用训练集和验证集完成训练• 学会使用 Pytorch 环境下的模型读取和加载，并了解调参流程二、数据准备通常的数据构造分为如下几种：• 训练集（Train Set）：模型用于训练和调整模型参数；• 验证集（Validation Set）：用来验证模型精度和调整模型超参数；• 测试集（Test Set）：验证模型的泛化能力。对于获取到的训练数据可以使用如下方法分为训练集、验证集、测试集：1，留出法2，交叉验证法3，自助采样法三、模型训练与验证tr

一、学习目标• 掌握常见的评价函数和损失函数 Dice、IoU、BCE、Focal Loss、Lovász-Softmax；• 掌握评价/损失函数的实践；二、各个评价函数练习1，dice 与 dice lossimport numpy as npdef dice(output, target): '''计算Dice系数''' smooth = 1e-6 # 避免0为除数 - intersection = (output * target).sum() retur

学习目标• 掌握语义分割模型的原理和训练过程；• 掌握语义分割模型的发展脉络；• 掌握语义分割模型的使用；语义分割模型分类FCN 、SegNet、Unet、DeepLab、RefineNet、PSPNet、GAN 语义分割最常用的是：segmentation_models_pytorch 库来调用安装方法：pip install segmentation-models-pytorch调用方法：import segmentation_models_pytorch as smpmode

CV语义分割-地表建筑物识别-task2 数据扩增一、学习目标• 理解基础的数据扩增方法• 学习 OpenCV 和 albumentations 完成数据扩增• Pytorch 完成赛题读取二、数据扩增方法梳理三、扩增练习1，基于opencv的几何变换plt.imshow(cv2.flip(img, 0)) ##垂直翻转plt.imshow(cv2.flip(img, 1)) ##水平翻转x, y = np.random.randint(0, 256), np.random.ra

CV语义分割-地表建筑物识别-task1 赛题理解比赛地址：比赛地址开源内容：开源内容1，学习目标• 理解赛题背景和赛题数据• 完成赛题报名和数据下载，理解赛题的解题思路2，数据标签RLE的意义RLE 全称（run-length encoding），翻译为游程编码或行程长度编码，对连续的黑、白像素数以不同的码字进行编码。RLE 是一种简单的非破坏性资料压缩法，经常用在在语义分割比赛中对标签进行编码。可以理解为：用2个字节为最小单位进行压缩，第一个字节最高位表示重复还是非重复数据，低7bit表

MACbook m1芯片怎么安装tensorflow和pytorch秀一下最终结果环境准备安装conda创建tensorflow虚拟环境tensorflow测试代码完成tensorflow安装后再次搭建pytorch虚拟环境秀一下最终结果环境准备从Python官网下载支持Apple Silicon的版本https://www.python.org/downloads/mac-osx/2，完成后按默认条件安装即可。在终端输入python3，可看到您下载的Python版本安装conda1，