在路上@Amos

YOLOV5代码解析(更新中)

How to Train YOLOv5 On a Custom Dataset 根据这篇文章下的数据集YOLOv5训练自己的数据集 根据这篇文章，输入训练命令行Hyperparameter EvolutionIf in doubt, simply use the default values, which are optimized for YOLOv5 COCO training from scratch.期间报了个hyps文件找不到的错，把官方data文件夹里的hyps文件...

一切包使用 anaconda 安装，非常方便，环境全部理清楚程序开发使用 VS Code，轻量快捷方便

ds证据理论浙大好像用在专家系统，决策层。

YOLO: Real-Time Object Detection 官方的目标检测之 YOLOv3 (Pytorch实现)关于YOLOv3模型（原论文作者将其称之为“DarkNet”,这个名字听起来怪怪的）的介绍，网上有一大堆，这里不再哆嗦。网络结构如下图：...

Github上看了一下，基本上都是yolo或者RCNN（以及Faster-RCNN）

吊打一切的Yolov4开源了，视频实测 人流量这么大，还能一下识别这么多的人

卷积滤波器，特征提取的核心PoolingCNN网络的pooling层有什么用？ - 毛帅的回答 - 知乎 视频很有意思

CNNSSD

CNN利用卷积的目标筛选功能，用在视觉识别领域。现在此领域好用的网络基本上全部基于CNN，核心都是卷积。RNN循环神经网络用于语音识别于自然语言处理。“相较于 CNN 在图像识别和检测方面的广泛应用，基于序列模型的 RNN 的应用方面则是语音识别、文本翻译和自然语言处理等其他更为激动人心的领域。所以，正如 CNN 在计算机视觉中的应用一样，在 RNN 中笔者将重点关注其在自然语言处理的应用与研究。”——程序员必修课- 知乎...

https://blog.youkuaiyun.com/zong596568821xp/article/details/86077553

--------------公开------------------------------查重----------------------------------------------正文---------------------------------------------利用 TensorFlow 实现卷积自编码器利用卷积自编码器对图片进行降噪自编码器AutoE...

这是个问题【TF笔记】之TensorFlow中模型的保存与载入

搭建一个简单的识别印刷体数字的分类器

------------先看看别人的博客---------------------Tensorflow 实现 MNIST 手写数字识别 用这个的代码跑通了使用Tensorflow和MNIST识别自己手写的数字-------------我觉得要学习一些tf的函数知识才能搞得动-------------1. tf.placeholder 与 tf.Varia...

https://mp.weixin.qq.com/s/HqVaWbc1zajPu22i9V5d9g这篇纯干货，不浮躁

显卡GTX 1060 6GBWindows10tensorflow 1.12win10 gtx 1060 cuda10.0 tensorflow 1.12 python3.6环境搭建首先看了一下电脑上Nvidia控制面板，发现安装的CUDA版本为10.0.132cuda 10.0参考了几篇博客，应该安装cuDNN7安装cuDNN7Win10+tensorflow1...

一、安装python python-download找到自己需要的版本，现在自己用的python3.5.4选择Windows x86-64 executable installer，默认安装二、 安装virtualenv虚拟环境 pip install virtualenv进入要安装虚拟环境的目录下，建立名为 “tf1.12” 的虚拟环境virtuale...

应该说 基本上所有信号都是以卷积的方式作用于系统。公式中h(x)是信号经过x作用时间后的权重（或者说衰减系数），变量x是信号到目前为止作用了多长时间（x是时间间隔）。参考：What is a Convolution Integral?...

关键词：numpyTX2安装的是python3.5，是python3就行命令行输python3然后tab会补全出python3.5

强化学习如何应用在控制上？细节？机器人运动控制 强化学习几大难点及解决

【深度学习系列】手写数字识别--卷积神经网络CNN原理详解(一)Machine_Learning