模型测试第10页

猫狗识别

易小顺·2022-09-20 09:20

新闻主题分类任务——torchtext 库进行文本分类

幽影相随·2022-09-18 15:11

深度学习修炼（二）——数据集的加载

自带数据集介绍_godblesstao的博客-CSDN博客_pytorch自带数据集2数据集的加载与sklearn中的datasets自带数据集类似，pytorch框架也为我们提供了数据集以便一系列的模型测试

ArimaMisaki·2022-09-16 06:15

[2022-09-12]神经网络与深度学习第1章-regression

正则化系数多项式回归数据集构建模型构建模型训练模型评估使用均方误差评估多项式回归（以sin函数为例）自定义Runner类基于线性回归的波士顿房价预测数据处理准备工作数据清洗数据集划分模型构建完善Runner类模型训练模型测试模型预测其他问题写在最后

三工修·2022-09-14 07:22

pytorch迁移学习载入部分权重

载入自己的训练的权重在模型测试和继续训练时使用较多，模型测试载入权重就不说了，继续训练是指假设设置epo

嗨，紫玉灵神熊·2022-09-06 07:18

9月2日目标检测学习笔记——自然场景下文本检测

文章目录前言一、ICDAR数据集1、数据标注格式二、EAST模型1、参数修改2、模型测试三、MTCNN1、LFPW数据打包2、模型训练3、模型测试前言本文为9月2日目标检测学习笔记——自然场景下文本检测

Ashen_0nee·2022-09-03 15:51

小白玩机器学习（6）--- 基于Tensorflow.js的在线手写数字识别

一、题目要求1.三个js文件，分别完成：网络训练以及模型保存、模型加载及准确率测试、在线手写数字识别；2.模型测试准确率要高于99.3%（尽量）；3.在线手写数字识别需要能够通过鼠标在画布中写入0~9数字

小白Rachel·2022-09-01 11:19

日记

LinkBatchNormalization批标准化：分层数据统一torch.tensor:Tensor代替numpy中的数组多维矩阵默认--torch.FloatTensorpytorch实现机器学习步骤：模块引入数据准备展示部分数据训练模型测试训练结果加载预训练模型训练

devon2014·2022-08-31 09:14

deepstream学习笔记（三）：deepstream-imagedata-multistream解析与接入适配yolov5模型测试

架构图与各部分组成原理说明，并且针对deepstream-test1介绍了它的整体功能和画出了管道图，本篇博文将详细介绍deepstream-imagedata-multistream与接入适配yolov5模型测试

submarineas·2022-08-31 07:26

【MindSpore易点通】模型测试和验证

1模型测试在训练完成之后，需要测试模型在测试集上的表现。

·2022-08-30 12:39

相鱼南故·2022-08-29 19:33

点云深度学习——点云配准网络DCP复现

点云配准网络DCP复现前言一、效果展示1.1open3d中效果展示二、复现源码2.1参考链接2.2复现流程2.3遇到问题：三、模型测试单个数据，并用open3d显示3.1单个数据测试代码3.2问题前言最近在学习点云深度学习

小修勾·2022-08-27 07:38

吴恩达深度学习课程第四章第一周编程作业(pytorch实现)

文章目录声明一、问题描述二、模型搭建1.封装dataloader2.模型封装3.主控函数三、模型测试结果声明本博客只是记录一下本人在深度学习过程中的学习笔记和编程经验，大部分代码是参考了【中文】【吴恩达课后编程作业

麻衣带我去上学·2022-08-24 15:44

刘二大人 PyTorch深度学习实践笔记 P2 线性模型

/监督学习学习过程2、基本概念3、线性模型y=w*x代码实现4、作业：实现线性模型（y=wx+b）并输出loss的3D图像P2线性模型1、深度学习/监督学习学习过程DataSet准备数据集训练集：训练模型测试集

小白*进阶ing·2022-08-22 07:09

Keras深度学习实战——车辆转弯角度预测

Keras深度学习实战——车辆转弯角度预测0.前言1.数据集与模型分析1.1模型分析1.2数据集分析2.车辆转弯角度预测2.1数据集读取与预处理2.2模型构建预训练2.3模型测试相关链接0.前言自动驾驶已经引发了各界的广泛关注

盼小辉丶·2022-08-21 11:50

图像分类网络2——多层感知机MLP识别手写数字（自定义训练）

MLP实现手写数字识别目的1数据和数据预处理2模型构建3反向传播和训练4模型测试多层感知器(multilayerperception,MLP)也叫前向传播网络、深度前馈网络,是最基本的深度学习网络结构，

晓码bigdata·2022-08-15 07:34

【应用SLAM技术建立二维栅格化地图】

应用SLAM技术建立二维栅格化地图一、设计目标二、技术要求三、设计方案1.激光SLAM简介2.Cartographer简介与使用1)Cartographer简介2)官方demo的演示3.阿克曼模型测试1

2345VOR·2022-08-11 13:01

吴恩达神经网络和深度学习第二课笔记-week1-超参数调试、正则化以及优化

在训练集上之下训练算法，进行模型拟合交叉验证集（corssvalidationset/developmentset/devset）：通过交叉验证集来选择最好的模型（评估不同算法、调整模型超参数等），经过验证后，选定最终模型测试集

m0_59838738·2022-08-07 07:17

机器学习学习笔记(day02)

按照目标值离散还是连续又分为回归（目标值值连续），分类（目标值离散）无监督学习：输入数据特征无标签值（无标准答案），聚类2.数据集划分机器学习一般将数据划分为两个部分：训练集、测试集训练集：用来训练，构建模型测试集

QYiRen·2022-08-06 07:26

万字逐行解析与实现Transformer，并进行德译英实战（三）

文章目录Part3:实战：德译英数据加载Iterators训练模型测试结果本文由于长度限制，共分为三篇：万字逐行解析与实现Transformer，并进行德译英实战（一）万字逐行解析与实现Transformer

iioSnail·2022-08-05 14:06

概率模型校准

1、场景业务问题现实业务问题中，时常会遇到一些业务模型【如信贷风控a/b/c卡模型、广告领域的CTR等模型】，我们一般的处理逻辑是：梳理抽象业务问题为数据问题->整理样本数据->训练模型->模型测试验证

Jasminexjf·2022-08-03 07:13

深度学习-tensorflow对花的品种进行分类

基本的机器学习流程:检查和理解数据构建输入管道构建模型训练模型测试模型改进模型并重复此过程导入Tensor

翼达口香糖·2022-08-01 07:52

PyG利用MessagePassing搭建GCN实现节点分类

目录前言1.数据处理2.MessagePassing3.GCN3.1message3.2aggregate3.3update3.4propagate4.GCN模型搭建4.1模型训练4.2模型测试5.完整代码前言

Cyril_KI·2022-07-29 07:55

Python机器学习库scikit-learn入门开发示例

目录1.数据采集和标记2.特征选择3.数据清洗4.模型选择5.模型训练6.模型测试7.模型保存与加载8.实例数据采集和标记特征选择模型训练模型测试模型保存与加载1.数据采集和标记先采集数据，再对数据进行标记

·2022-07-28 12:14

YOLOV5实战（pycharm)-以口罩检测为例

目录四种网络结构的介绍下载代码并配置环境准备数据集添加数据配置文件下载预训练模型修改train.py的参数开始训练模型测试四种网络结构的介绍Yolov5官方代

卿云阁·2022-07-23 17:44

YOLO7 口罩识别实战

制作数据集1.1安装数据集制作工具1.2运行数据集制作工具1.3制作数据集2.使用数据集2.1下载口罩数据集2.2分割数据集2.3数据集配置3.训练模型3.1下载预训练模型3.2修改训练代码3.3训练模型4.模型测试

maerdym·2022-07-23 17:07

第三周作业：卷积神经网络(Part 1)

目录卷积神经网络学习内容总结卷积神经网络实战——猫狗大战比赛得分查看数据基本情况搭建数据处理流程定义网络训练细节模型测试/预测代码训过程可视化与分析还有些改进卷积神经网络学习内容总结卷积网络本质上也是一个

爱世界的小七·2022-07-21 07:21

Win7下darknet训练yolov4-tiny及opencv调用模型测试训练结果

本博文只为记录，方便自己需要时查看；如若对大家有帮助，那自然是最好的。进入正题一、训练环境1.Windows下编译好的darknet（具体编译不细说了，网上很多），源码地址：https://github.com/AlexeyAB/darknet2.opencv有最好，可以显示训练过程3.GPU（这个没什么好说的）二、数据集所需文件的目录结构如下：darknet----------x64------

莫邪凌天·2022-07-19 07:30

测试工程师需要准备哪些知识

零基础测试工程师的必备技能概述测试基础理论软件测试的分类研发管理模型测试流程测试方法（比较重要的测试方法）（用来设计测试用例）BUG的管理测试的应用总结概述本文会记录一些本人有关于测试工程师岗位的学习的整个过程和理解

jia++ming·2022-07-19 07:49

深度学习实战 | WIN10环境下配置Darknet并使用Yolov4-tiny训练Gun-and-Sword数据集

VisualStudio配置3.opencv安装（二）Darknet安装1.下载源文件2.编译项目二、使用Yolov4-tiny进行训练（一）数据集标注（二）模型配置1.模型文件修改2.下载预训练权重（三）模型训练（四）模型测试及效果三

Genms·2022-07-19 07:23

利用TensorRT在Ubuntu部署YOLOv5

TensorRT以及OpenCV安装1.CUDA安装2.CUDNN安装3.TensorRT安装4.OpenCV安装二、YOLOv5部署1.文件准备2.模型文件转换3.生成wts文件4.生成部署引擎5.端侧部署模型测试图片

修炼清爽·2022-07-18 07:28

MindSpore1.5下MindArmour的应用总结

·2022-07-17 18:35

机器学习及算法-python

电影类型就是这个数据集的目标值）数据类型构成：数据类型一：特征值+目标值（目标值是连续的和离散的）数据类型二：只有特征值，没有目标值数据分割：机器学习一般的数据集会划分为两个部分：训练数据：用于训练，构建模型测试数据

爱吃鬼·2022-07-16 07:39

风格迁移0-02：stylegan-目录讲解与预训练模型测试

以下链接是个人关于stylegan所有见解，如有错误欢迎大家指出，我会第一时间纠正，如有兴趣可以加微信：17575010159相互讨论技术。风格迁移0-00：stylegan-目录-史上最全：https://blog.csdn.net/weixin_43013761/article/details/100895333目录讲解通过上一篇博客，大家应该已经拿到了作者的源码，以及论文。下面是是下载代码之

江南才尽，年少无知！·2022-07-15 13:54

spark中ALS介绍

spark里面的调用//Rmse均方根误差rootmeansquareerror//为预测值与实际值的差的平方和与次数的比值的平方根,可以用来评判模型的好坏//计算均方根误差，模型测试集需要格式为RDD

AuroraPetard·2022-07-14 07:58

用亚洲美食数据集，带你一文读懂机器学习分类全流程

1.加载并查看数据2.查看数据分布3.各国最受欢迎食材可视化4.平衡数据集三、分类器选择四、逻辑回归模型构建1.数据导入及查看2.可训练特征与预测标签选择及数据集划分3.构建逻辑回归模型及精度评价4.模型测试五

奥比中光3D视觉开发者社区·2022-07-13 08:28

opencv学习笔记九--背景建模+光流估计

opencv学习笔记九--背景建模+光流估计背景建模帧差法混合高斯模型混合高斯模型学习方法混合高斯模型测试方法光流估计Lucas-Kanade算法cv2.calcOpticalFlowPyrLK():参考背景建模帧差法由于场景中的目标在运动

Cloudy_to_sunny·2022-07-06 12:19

【极市任务——安全帽检测|yolov5】一文带你快速通过任务|使用yolov5[6.0]|和极市说明文档不一样的yolov5内容|python

1.开发环境选择2.配置yolov5环境3.编写代码4.模型训练5.模型测试6.领取奖励没有谁的成功是一步而就的，你需要花费比别人更多的时间，更多的精力，更多的热爱。

活成自己的样子啊·2022-07-06 07:43

完整的模型训练套路

文章1.准备数据集2.利用DataLoader加载数据集3.创建神经网络模型4.创建损失函数5.定义优化器6.设置训练网络的一些参数7.模型训练8.模型测试9.训练测试过程可视化10.模型的保存完整代码

booze-J·2022-07-04 07:44

丢弃法Dropout(Pytorch)

https://courses.d2l.ai/zh-v2/文章目录丢弃法动机无偏差的加入噪音使用丢弃法推理中的丢弃法总结从零开始实现定义模型参数定义模型训练和测试简洁实现模型测试总结QA丢弃法动机一个好的模型需要对输入数据的扰动鲁棒使用有噪音的数据等价于

-素心向暖·2022-07-01 07:33

PyTorch实现LeNet-5

目录建立模型lenet5训练模型测试模型下面文章写得很好，代码也写得很清晰。

HBU_David·2022-06-28 12:35

Keras深度学习实战（12）——面部特征点检测

Keras深度学习实战（12）——面部特征点检测0.前言1.数据集和模型分析1.1数据集分析1.2模型分析2.面部特征点检测3.模型测试小结系列链接0.前言在计算机视觉中，面部关键点(也称为面部特征点)

盼小辉丶·2022-06-28 07:47

模型部署利用Tensorflow Serving部署模型

文章目录TensorflowServing实战安装Tensorflowserving准备YOLOX模型部署YOLOX模型测试YOLOX模型多模型多版本部署模型的热部署参考TensorflowServing

RyanC3·2022-06-27 23:33

Pytorch之神经网络

Pytorch实现基础的神经网络使用Pytorch配合MNIST数据集实现基础的神经网络下面从四个方面实现加载数据——DataLoader建立模型，定义损失函数和优化函数训练模型测试保存模型加载数据——

不会算法的数学小白·2022-06-27 07:49

机器学习期末复习知识点01

机器学习是用数据或以往的经验优化计算机程序的性能标准（3）机器学习是通过学习算法让计算机具有数据分析能力的学科1.1.2机器学习的工作流程数据获取数据预处理（数据审核、数据清理）特征处理（特征选择、特征变换）训练/构建模型测试模型部署模型

编号410·2022-06-27 07:57

自然语言处理系列（二）——使用RNN搭建字符级语言模型

目录一、任务背景二、数据预处理三、模型搭建与训练四、模型测试附录：完整代码一、任务背景本文的任务主要来源于PyTorch的官方教程，即给定各国人名的数据集，你需要训练出一个RNN，它能够根据输入的人名来判断这个人来自哪个国家

raelum·2022-06-22 07:44

使用Pytorch快速搭建神经网络模型（附详细注释和讲解）

文章目录0前言1数据读入2模型搭建3模型训练4模型测试5模型保存6参考博客0前言代码参考了知乎上“10分钟快速入门PyTorch”系列，并且附上了详细的注释和函数讲解。

Y_蒋林志·2022-06-18 07:53

机器学习生命周期

机器学习生命周期涉及七个主要步骤，如下所示：采集数据（爬取）数据准备（对采集到的数据数据整理（包括：清洗）分析数据训练模型测试模型

川川菜鸟·2022-06-03 07:33

python数据分析——简单且有用的代码

数据分析大致分为数据处理，模型建立，模型测试这3部，这篇文章主要是讲解对数据进行处理为了对数据进行分析，首先要了解学习python的熊猫库pandas，下面是一些基础简单的操作方法，python调用方法如下

heshuuqqq·2022-05-31 07:07

一文读懂机器学习分类全流程

各国样本分布直方图②各国样本划分3.各国最受欢迎食材可视化4.平衡数据集①样本插值采样三、分类器选择四、逻辑回归模型构建1.数据导入及查看2.可训练特征与预测标签选择及数据集划分3.构建逻辑回归模型及精度评价4.模型测试五

GISer Liu·2022-05-31 07:01

推荐频道

模型测试