- 博客(6)
- 收藏
- 关注
RSS订阅原创 Windows系统下Linux子系统cuda、pytorch及tensorrt环境搭建与VScode连接
Windows系统配置Linux子系统下深度学习cuda、pytorch及tensorrt环境及搭建子系统与VScode连接
2022-03-01 11:26:09
3356
8
原创 yolov5检测代码解析
yolov5检测部分代码解析设置目标检测的配置参数：parser = argparse.ArgumentParser() parser.add_argument('--weights', nargs='+', type=str, default='yolov5s.pt', help='model.pt path(s)') parser.add_argument('--source', type=str, default='data/images', help='source') # f
2021-09-08 17:29:11
11216
5
原创 训练数据集的图片尺寸修改集标注标签修改
训练数据集的图片尺寸修改集标注标签修改在针对同一角度拍摄的多张已完成标注图片使用深度学习的方式对数据集进行训练时，时长会出现感兴区域过小的情况，固定角度拍摄所得到的图片数据集往往存在部分位置区域可以直接去除，不用参与到模型的训练中，同时可以提高训练数据集的感兴区域，如下图，该图为SODIC2021道路路面病害智能分析算法中的一张图，在同一角度拍摄的图片有很多，但是标注基本只在图片的下半部进行标注，因此可以通过裁剪上半部图片的方式提高数据集在训练过程中的感兴区域。该处只是寻找一个合适的举例。首先是对数据
2021-09-07 17:11:49
4054
2
原创 GPU服务器上的tensorrt环境搭建
GPU服务器上的tensorrt环境搭建文章目录GPU服务器上的tensorrt环境搭建1.拉取docker服务器上的支持cuda、cudnn的镜像文件2.设置环境变量并下载相关依赖2.1安装cuda和cudnn2.2 pytorch和torchvision安装2.3 编译安装opencv4.42.4 安装pycuda2.5 tensorrt安装2.6 添加系统环境变量在生产实际中，我们通常通过在GPU服务器上docker镜像环境搭建用于加速深度学习图像识别推理的tensorrt的环境。1.拉取doc
2021-09-07 15:08:58
2551
3
原创 深度学习对已标记的图片及标签进行批量复制
深度学习对已标记的图片及标签进行批量复制文件夹内图片搜索及复制文件夹内图片搜索及复制在日常生产中，一次性完成对大量图片的标注案例是比较少的，通常需要通过多次多批量的对不同场景下的图片进行标注，比如对安全帽检测的标记中，我们可以先通过爬虫对安全帽的图片进行爬取，并通过labelme或者labelimg标注工具进行标注，但是该标注还不能应用在生产实际中，我们还需要针对特定的场景进行多次采样并进行多数据标注，通过这些数据集训练出的模型可以提高对特定场景检测的准确度和置信度。首先是对图片和标签进行文件夹下的全
2021-09-07 10:58:46
1228
原创 anaconda配置安装opencv 4.1.2 环境
@anaconda配置安装opencv4.1.2对图片或视频进行处理时可通过 opencv 进行，可以通过以下方法在anaconda环境中配置opencv环境。下载opencv4.1.2 whl 文件包百度云网盘，提取码：u5wr .打开Anaconda命令窗口执行安装打开Anaconda命令窗口，如果anaconda(base)安装了其他版本的opencv又不想改变，可以新建环境opencv：(base) PS C:\Users\Administrator> conda create
2021-04-25 17:30:42
3108
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人