Datawhale——CV

原创 已于 2024-08-26 23:40:56 修改 · 149 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #pytorch #计算机视觉

于 2024-08-26 23:38:48 首次发布
部署运行你感兴趣的模型镜像

一、运行环境

厚德云

二、步骤

（1）

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

one_miracle
关注
DataWhale——《深入浅出Pytorch》4
Snoopy0629的博客
03-22 5870
DataWhale——《深入浅出Pytorch》4一、前言二、torchvision is what(torchvision简介)？三、PyTorchVideo简介四、torchtext简介总结 一、前言 PyTorch的强大并不仅局限于自身的易用性，更在于开源社区围绕PyTorch所产生的一系列工具包（一般是Python package）和程序，这些优秀的工具包极大地方便了PyTorch在特定领域的使用。比如对于计算机视觉，有TorchVision、TorchVideo等用于图片和视频处理 PyTorc
DataWhale——《深入浅出Pytorch》3
Snoopy0629的博客
03-22 772
DataWhale——《深入浅出Pytorch》3一、可视化网络结构一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 一、可视化网络结构 随着深度学习的发展，许多的网络架构越来越复杂，而且不能很好的理解其中矩阵维度，输出输入维度等信息，对编辑网络架构带来一定的麻烦，因此可以通过torchsummary来对模型的网络架构进行输出，但是该种输出方式存在着一定的缺陷，比如说它只是负责打印出你所搭建的网络有什么有几层，而关于每一层的输入输出并不能完全看得到，因此 一、pandas是什么？ 示例：pa
DataWhale——数据分析组队学习Day4
m0_46668150的博客
01-14 133
DataWhale——数据分析组队学习Day4 前言 这一节是第二个任务了，论文作者统计. 任务主题：论⽂作者统计，统计所有论⽂作者出现评率Top10的姓名； 任务内容：论⽂作者的统计、使⽤ Pandas 读取数据并使⽤字符串操作； 任务成果：学习 Pandas 的字符串操作； 数据读取 import json #读取数据，我们的数据为json格式的 import pandas as pd #数据处理，数据分析 data = [] with open("arxiv-metadata-oai-2019.js
DataWhale——数据分析组队学习(Day3)
m0_46668150的博客
01-14 166
DataWhale——数据分析组队学习(Day3) 前言 今天是第三天了，继续淦.今天的任务是继续上一天数据预处理的内容，从数据中提取出来2019年以后的论文内容，以及数据分析和可视化的内容. 一、数据预处理 我们的任务要求对于2019年以后的paper进⾏分析，所以⾸先对于时间特征进⾏预处理，从⽽得到2019年以后的所有种类的论⽂： data["year"] = pd.to_datetime(data["update_date"]).dt.year #将update_date从例如2019-02-2
Datawhale夏令营——CV方向参与记录1
m5678m的博客
08-22 300
过往参与数学建模竞赛较多，这里我从数建的角度出发，记录参加Datawhale夏令营——CV方向全流程。
Datawhale AI 夏令营——学习笔记
m0_73378573的博客
07-28 1033
首先我们去下载数据。
Datawhale AI 夏令营——Task_1
kirasyse的博客
07-14 309
Datawhale AI 夏令营，kaggle
datawhale组队学习——CV篇（1）
m0_37735141的博客
12-19 312
3.3 锚框 or 先验框 3.3.1 关于先验框 在众多经典的目标检测模型中，均有先验框的说法，有的paper(如Faster RCNN)中称之为anchor(锚点)，有的paper(如SSD)称之为prior bounding box(先验框)，实际上是一个概念。 那么，为什么要有先验框这个概念呢？按理说我们的图片输入模型，模型给出检测结果就好了，为什么还要有先验框？那么关于它的作用，我们不妨回顾一下前面在2.1节所说的那个目标检测最初的解决方案，我们说，我们要遍历图片上每一个可能的目标框，再对这些框进
Datawhale夏令营第五期——CV方向 TASK3
2301_79482106的博客
08-31 375
旋转（Rotation）： 随机旋转图像以改变其方向。缩放（Scaling）： 改变图像的大小。剪裁（Cropping）： 从图像中随机剪裁出一个区域。翻转（Flipping）： 水平或垂直翻转图像。裁剪（Clipping）： 裁剪掉图像边缘的某些部分。颜色抖动（Color Jittering）： 随机调整图像的亮度、对比度和饱和度。高斯噪声（Gaussian Noise）： 向图像中添加随机的高斯噪声。锐化（Sharpening）： 增强图像的边缘和细节。
Datawhale AI 夏令营——CV图像竞赛(Deepfake攻防)——Task3学习笔记
m0_63566347的博客
07-20 711
数据增强的目的是通过人工方式增加训练数据的多样性，从而提高模型的泛化能力，使其能够在未见过的数据上表现得更好。很容易发现，这种增强带来的不一定是正向收益，而且也不是混合得越多越好，这需要我们不断地去尝试，去试错。这篇文章就没有介绍不同的数据增强代表的含义，是因为确实简单，看看开头的那张图就能很容易理解。使用的是 CIFAR10 的自动增强，确实有提升，但是效果真的一般，不如增强变换。（7）使用 Mixup，就是将两个不同的图像及其标签按照一定的比例混合，从而创建一个新的训练样本。可以看到，分数小有提升。
Datawhale夏令营第五期——CV方向 TASK1
2301_79482106的博客
08-26 474
本赛题最终目标是开发一套智能识别系统，能够自动检测和分类城市管理中的违规行为。该系统应利用先进的图像处理和计算机视觉技术，通过对摄像头捕获的视频进行分析，自动准确识别违规行为，并及时向管理部门发出告警，以实现更高效的城市管理。数据为mp4格式，标注文件为json格式，每个视频对应一个json文件。json文件的内容是每帧检测到的违规行为，包括以下字段：frame_id：违规行为出现的帧编号event_id：违规行为IDcategory：违规行为类别。
Datawhale AI 夏令营——电力需求预测挑战赛
try763738799的博客
07-11 1969
其中id为房屋id，dt为日标识，训练数据dt最小为11，不同id对应序列长度不同；type为房屋类型，通常而言不同类型的房屋整体消耗存在比较大的差异；target为实际电力消耗，也是我们的本次比赛的预测目标。下面进行简单的可视化分析，帮助我们对数据有个简单的了解。
[Python实战] 解决Outlook同步中的字符编码问题：表情符号也能正确处理了！
每日出拳老爷子的博客
12-16 178
摘要：本文分享了在使用Python同步Outlook会议信息时遇到的GBK编码问题解决方案。当处理包含表情符号（如📧）的会议内容时，Flask返回JSON会报"'gbk' codec can't encode"错误。作者通过封装ensure_utf8函数对文本进行UTF-8编码处理，同时建议设置Flask响应头编码为UTF-8和调整控制台输出编码，有效解决了特殊字符导致的编码异常问题。文章提供了从问题分析到完整解决方案的实践过程，适用于处理Python中的Unicode编码问题。
《Python实战小课：爬虫工具场景——开启数据抓取之旅》导读
2501_93253814的博客
12-15 1790
本文介绍了Python爬虫技术在三大场景中的应用：行业资讯爬取、学术文献摘要获取和电商评价收集。针对行业资讯，详细解析了从网页请求到数据存储的全流程；在学术文献方面，重点阐述了如何构建搜索请求和提取关键信息；对于电商评价，则说明了数据定位和清洗方法。文章还探讨了爬虫优化策略及反爬机制应对方案，为数据获取工作提供了实用指南。通过系统学习这些技术，读者可以提升数据采集能力，为商业决策、学术研究和市场分析提供有力支持。
Windows11系统安装Isaac Sim和Isaac Lab记录
weixin_65198494的博客
12-13 470
本文介绍了在Windows 11系统上安装IsaacSim和IsaacLab的完整流程。硬件配置为RTX4060显卡、32GB内存，软件环境包括NVIDIA驱动591.44、CUDA12.8、PyTorch2.7.0和Python3.11。安装IsaacSim5.1的主要步骤包括：更新GPU驱动、安装CUDA、创建conda虚拟环境、开启长路径支持、更新pip后安装IsaacSim pip包。IsaacLab安装则需要克隆GitHub仓库，通过安装脚本完成。最后通过运行验证脚本确认安装成功。
《Python 数据序列化与反序列化全景解析：从基础到最佳实践》
windowshht的博客
12-17 873
本文全面解析Python数据序列化与反序列化技术，涵盖JSON、Pickle、CSV、YAML等常见格式，并深入探讨自定义序列化、异步处理、分布式系统应用等高级主题。通过实战案例展示Web API交互、机器学习模型保存、自动化配置管理等场景的最佳实践，同时展望Protocol Buffers等前沿技术。文章既适合初学者掌握基础，也为资深开发者提供性能优化与安全合规的进阶指导，是Python数据处理领域的实用指南。
Python LangChain 开发问题：ImportError: Unable to import langchain_anthropic.
weixin_52173250的博客
12-12 214
Python LangChain 开发问题：ImportError: Unable to import langchain_anthropic.
Ubuntu 24.04 安装common-extensions
最新发布
sinat_15561283的博客
12-17 195
👉 这就解释了为什么 apt 一直“找不到”这不是你配置错，也不是你操作错，是。只要能看到帮助信息，就说明。✅ colcon 被。在 24.04 上，
Pandas库入门
注释写满人生
12-14 776
摘要：本文介绍了Python中Pandas库的核心数据类型Series和DataFrame。Series是一维带标签数组，可通过列表、字典、ndarray等多种方式创建，支持类似ndarray和字典的操作方法。DataFrame是二维表格型数据结构，可由二维ndarray、字典等多种形式创建，具有行列索引功能。文章详细展示了两种类型的创建方法、基本操作和属性，包括索引访问、运算对齐、name属性设置等，并通过代码示例演示了实际应用场景。Pandas的这些数据结构为数据分析和处理提供了高效灵活的工具。
模式识别：理论与应用详解——计算机视觉导论
《计算机视觉模式识别》是一门由蔡宣平教授主讲的课程，针对信息工程专业的本科生、硕士研究生以及博士研究生，旨在教授模式识别的基本概念、方法和算法原理。课程内容涵盖了广泛的理论背景，包括统计学、概率论、...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值