墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
200+累计阅读
258平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
git clone https://github.com/eric612/MobileNet-YOLO.git
cd MobileNet-YOLO
mkdir build
cd build
cmake ..
make
cd ../models/darknet_yolov3
python darknet2caffe.py yolov3.cfg yolov3.weights yolov3.prototxt lwd.caffemodel
deeplearning
Pytorch版本YOLOv3模型转Darknet weights模型然后转caffemodel再转wk模型在nnie上面推理
Pytorch版本YOLOv3模型转darknet weights模型然后转caffemodel再转wk模型在nnie上面推理 文章目录Pytorch版本YOLOv3模型转darknet weights模型然后转caffemodel再转wk模型在nnie上面推理前言1. 海思nnie设备以及转换思路转换思路2. Pytorch pth模型 —— Darknet weights模型3. Darknet weights模型 —— caffemodel4. Caffemodel —— wk模型新建并且配置环境设置
Darknet2Caffe 大概步骤
文章目录1训练模型2转换模型2.1安装Caffe2.2拓展 upsample 层2.3转换模型 1训练模型 我的模型训练是在 Linux 服务器上进行。因为我的笔记本没有 GPU。 使用 yolov3 训练模型网上有很多教程。大体上就是先标注数据再训练得到模型。 大家查一下就可以看到很多图文并茂的教程了。我就不重复了。 完事之后，你会得到如下2个文件： xxx.cfg xxx.weights 2转换模型 因为相机需要的是 WK 模型，而 WK 模型只能从 Caffe 模型转换得到。 所以我们先把 Dar
R语言实战：非正态数据下的Scheirer–Ray–Hare检验全流程解析
本文详细解析了在R语言中执行Scheirer–Ray–Hare检验的全流程。当实验数据不符合正态分布时，该非参数检验是分析两因素设计（包括主效应和交互效应）的有效工具。文章从原理、环境配置、数据导入、核心代码到结果解读与报告撰写，提供了完整的实战指南，并附有常见的避坑建议。
如何在Ubuntu18.04上安装caffe+darknet2caffe环境
Ubuntu的安装请参考《如何快速安装Ubuntu18.04》 samba服务的配置请参考《如何在Ubuntu配置Samba服务》 0、由于在安装darknet2caffe环境的时候需要下载并安装torch 在执行 pip3 install torch的时候，总是会被killed(已杀死)，所以这里需要对Ubuntu的运行内存做一下配置。 确保你的Ubuntu是在关机状态，点击内存，将内存调至4GB(至少)，然后再给Ubuntu开机，此时Ubuntu的运行内存就是4GB了。 一、在Ubuntu18.
基于CRU和WorldClim的高分辨率（1km）气候数据生成
基于CRU和WorldClim的高分辨率（1km）气候数据生成
保姆级教程：在RK3568上调试RGMII网口，从设备树到PHY驱动的完整避坑指南
本文提供RK3568开发板上RGMII网口调试的完整指南，涵盖硬件检查、设备树配置、驱动加载及性能优化。通过详细步骤和实战案例，帮助开发者避开常见陷阱，确保以太网功能稳定运行，特别关注PHY驱动和MDIO总线的调试技巧。
【yolov4-tiny】一、darknet-＞caffe
手撕caffe
Oracle迁移至华为GaussDB SQL语法和存储过程转换
在将Oracle数据库迁移至GaussDB时，SQL语法和存储过程的转换是确保应用程序正常运行和数据完整性的关键环节。由于两者在数据类型、函数、过程语言等方面存在差异，必须系统化地进行转换和测试。正则表达式脚本：批量替换常见的语法差异。SQL解析工具：解析SQL脚本，生成GaussDB兼容的语法。代码审查工具：自动检查转换后的代码，确保语法和逻辑正确。将Oracle迁移至GaussDB涉及到SQL语法和存储过程的全面转换。通过系统化的转换步骤、使用合适的工具并结合手动调整，可以确保迁移过程的顺利进行。
docker配置darknet2caffe问题及操作记录
创建volume挂载 docker run -i -t -v /d/Project/caffeFile:/mnt --name data bvlc/caffe:gpu /bin/bash 文件交互 cp指令 cp Makefile.config /mnt cp /mnt/Makefile.config Makefile.config 报错cannot find -lopencv_imgcodecs 显而易见 缺少opencv3.x 库 apt-get update apt-get install bui
基于LSTM的多变量温度预测（python从入门到入坑）
基于LSTM的多变量温度预测（python） ——我保证他能够运行，而且结果能够让你满意（如果你和我一样都是一个新手的话） 这里写目录标题基于LSTM的多变量温度预测（python）——我保证他能够运行，而且结果能够让你满意（如果你和我一样都是一个新手的话）一、我为什么要写这些？二、具体做了什么？三、源代码切块加注释，恳请批评指正(●’◡’●)ﾉ 一、我为什么要写这些？ 因为让人抓狂的课程大作业，我小组选择了一个多变量预测方面的课题，在我这个大三基本上还没接触过Python数据处理，甚至对神经网络什么的都
手把手教你用Python+Playwright实现抖音/B站/视频号三平台自动上传（附完整配置流程）
本文详细介绍了如何使用Python和Playwright构建一个多平台视频自动化上传系统，涵盖抖音、B站和视频号三大平台。文章从环境搭建、身份验证持久化、平台特异性上传引擎设计到任务调度与错误处理，提供了完整的配置流程和实战代码，帮助开发者实现高效、稳定的批量上传功能。
海思3159A运行yolov3（三）——darknet2caffe
可以参考原作者：https://github.com/ChenYingpeng/darknet2caffe 一、环境 Python2.7 Caffe Pytorch >= 0.40 二、caffe参数配置 1. caffe_layers/mish_layer/mish_layer.hpp,caffe_layers/upsample_layer/upsample_layer.hpp into include/caffe/layers/. 2. Copy caffe_layers/m.
YOLO26改进 - C3k2 | C3k2 融合 ARConv 自适应矩形卷积：动态调整卷积核形状与采样点 | CVPR 2025
本文介绍了将自适应矩形卷积（ARConv）模块与YOLO26相结合的方法。ARConv是针对遥感图像全色锐化任务设计的创新卷积模块，可自适应调整卷积核形状与采样点数量，解决传统卷积刚性限制，实现高效特征提取。其工作流程包括学习卷积核高度和宽度、选择采样点数量、生成采样图、卷积实现与空间自适应增强。我们将集成ARConv的C3k2_ARConv模块引入YOLO26，对相关代码进行修改和注册，并配置了YOLO26 - C3k2_ARConv.yaml文件。实验脚本显示，该结合方式应用于目标检测任务。
darknet-yolov3转caffemodel
下载https://github.com/ChenYingpeng/caffe-yolov3 1. 修改CMakeLists.txt 主要修改交叉编译器为x86_64编译，修改自己的caffe路径（其中caffe.proto中增加upsample层），修改自己的opencv路径 cmake_minimum_required(VERSION 2.8) project(sysDetectSpe...
【Go语言实战】(26) 分布式搜索引擎
基于go语言的分布式搜索引擎
廖雪峰Python教程[完整版]
廖雪峰的python教程整理的，已经排好版了，而且还是完整的，适合小白
海思AI芯片（HI35xx）:darknet转caffemodel
# The caffe module needs to be on the Python path; # we'll add it here explicitly. caffe_root='/home/qif/smf/caffe/' #os.chdir(caffe_root) import sys # sys.path.insert(0, caffe_root+'python') sys.path.append(r'/home/qif/smf/caffe/python') import caffe imp
VB摄像头监控
该VB模块可对摄像头捕获的画面进行录像等，可在创建的窗口进行控制
海思AI芯片（35xx）:yolov3的darknet模型转caffemodel模型
解决办法： 加sudo权限： sudo python 解决办法： sudo python3 原因在于：
复分析 阿尔福斯(Ahlfors) 第三版答案 英文
答案分为十章，有部分习题没有答案，全英文复分析阿尔福斯(Ahlfors) 第三版答案
IDEA的使用指南
IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.
海思Hi3519AV100深度学习方案（一）darknet转caffmodel之caffe安装（基于Ubuntu16.04+python3.5+opencv3.4.0+cuda10.0）
最近把一个用海思芯片做的项目收尾，做了好几年了，现在看海思的博文都几年前的了。之前项目逻辑功能已完成，发现3519AV这款芯片的算力还不错，也支持深度学习，因此就想把之前训练的模型再优化一下，争取移植到板子上。
darknet版本yolov4转caffe
参考链接： https://zhuanlan.zhihu.com/p/357316097
darknet(yolov2)移植到caffe框架
yolov2到caffe的移植主要分两个步骤：一、cfg,weights转换为prototxt,caffemodel1.下载源码：git clone https://github.com/marvis/pytorch-caffe-darknet-convert.git2.安装pytorch，使用conda指令：(需要有torch模块)conda install pytorch torch...
海思AI芯片(Hi3519A/3559A)方案学习（十）将yolov3的darknet模型转换为caffemodel
前言 海思35xx系列的nnie硬件引擎只支持caffe1.x模型。所以任何使用其它框架训练出来的算法模型想要在nnie上进行推理必须先要将其转换成caffemodel。 本文所讨论的平台是ubun18.0.4+cuda8.x+opencv3.4.3 caffe安装 1.下载代码 git clone git://github.com/BVLC/caffe.git cd caffe/ ...
darknet的yolov3转换为yolov3.caffemodel，并验证是否转换成功
前提：默认已经配置好caffe 1、caffe配置：加入unsample层 https://pan.baidu.com/s/13GpoYoqKSCeFX0m0ves_fQ#list/path=%2F 密码：bwrd 其中的upsample_layer.hpp放入include/caffe/layers下面； upsample_layer.cpp与upsample_layer.cu放在src/caffe/layers下面。 修改相应的caffe.proto文件，src/caffe/proto/caf
【代码使用】ghost-yolo--darknet转caffe记录
之前读了一下ghostnet的文章，然后搭建了一下ghost-yolo-2layer的结构，这里主要是记录一下ghost-yolo转caffe的流程~ 论文笔记：https://blog.youkuaiyun.com/weixin_38715903/article/details/105285570 darknet:https://github.com/AlexeyAB/darknet/ darknet...
darknet模型转化为caffe模型
darknet模型转化为caffe模型 基于基于Darknet框架利用YOLOV3/V4跑通自己数据，可以得到基于darknet框架所得到的weights权重文件，同时还有一个cfg训练文件。 但是，如果想将训练好的yolov3模型迁移到海思相机端，那么就必须要转成caffemodel和prototxt格式，那么就有了darknet模型转化为caffe模型的需求~ 参考链接：https://blog.youkuaiyun.com/qq_40421682/article/details/106855155 ...
yolov2-Tiny在darknet下训练模型转caffe再到ncnn实现
最近一直和师兄在调试ncnn下使用yolov2-Tiny，感觉资料很少，踩了很多坑，就记录一下过程吧。 yolov2-Tiny在darknet下训练过程可以参考我之前的博客： https://blog.youkuaiyun.com/qq_29377279/article/details/83141239 过程都类似，只是聚类的anchor有点不太一样，yolov3是9个，yolo-Tiny是5个。 这是我聚类...
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
2845
扫一扫
