模型测试第11页

【PyTorch】迁移学习教程（计算机视觉应用实例)

文章目录迁移学习什么是迁移学习为何用迁移学习迁移学习的优点迁移学习的方法迁移方法的选择学习目标下载数据导入模块数据增强制作数据集数据加载器相关信息的打印训练数据可视化训练模型参数微调的方法特征提取的方法两种方法的对比验证结果可视化保存模型加载模型测试模型完整代码线上部署温馨提示引用参考迁移学习什么是迁移学习举个栗子

Xavier Jiezou·2022-05-17 07:48

【2021-2022 春学期】人工智能-作业6：CNN实现XO识别

目录数据集构建模型训练模型测试训练好的模型计算模型的准确率查看训练好的模型的特征图查看训练好的模型的卷积核训练模型源代码测试模型源代码卷积神经网路ConvolutionalNeuralNetworks·

HBU_David·2022-05-13 07:48

Pytorch深度学习经典卷积神经网络resnet模块训练

网络结构三、resnet181.导包2.残差模块2.通道数翻倍残差模块3.rensnet18模块4.数据测试5.损失函数，优化器6.加载数据集，数据增强7.训练数据8.保存模型9.加载测试集数据，进行模型测试四

·2022-05-12 16:12

GridSearchCV调参方法

Python2.7IDEPychrm5.0.3sci-kitlearn0.18.1前言抖了个机灵，不要来打我，这是没有理论依据证明的，只是模型测试出来的确有效，并且等待时间下降(约)为原来的十分之一！！

一路前行1·2022-05-04 07:50

基于LeNet实现拍摄手写数字识别

文章目录1实验内容2实验原理LeNet:3具体实现基于PaddlePaddle实现LeNet加载数据：建立模型：模型训练：模型测试：基于Pytorch实现LeNet5加载数据：建立模型：模型训练：拍摄手写数字识别拍照采集手写数字图片处理送入网络测试图片平移

Yuetianw·2022-05-04 07:43

软件测试来喽~这看这博主写的多是一件美事呀

目录开篇软件测试模型V模型W模型X模型H模型测试方法白盒测试黑盒测试灰盒测试黑盒测试方法种类等价类划分等价类测试的分类边界值方法边界值分析测试方法决策表方法决策表的测试方法开篇哈喽！

一个名叫追的程序猿·2022-04-28 15:53

Window10手把手带你YOLOV5的火焰烟雾检测+tensorrt量化加速+C++动态库打包

目录0.引言1.yolov5模型训练1.2模型训练1.3模型测试2模型转换2.1pt→wts→engine2.1.1pt转wts2.1.2wts转engine3动态库打包0.引言本人配置：win10，python3.6

机器鱼·2022-04-28 07:54

人脸检测矫正-MTCNN(包含数据、模型训练、模型测试、模型部署)

Part1数据数据集通过网址http://shuoyang1213.me/WIDERFACE/下载。模型Pnet,Rnet训练、测试选择使用的数据WIDERFACE。WIDERFACE简介：数据标签只有bbox，没有landmark。注释：bbox[x1,y1,width,height]模型Onet训练采用的数据通过网址http://mmlab.ie.cuhk.edu.hk/archive/CNN

dongdonglele521·2022-04-21 07:18

PaddleOCR使用笔记之模型训练

目录简介模型训练步骤一：文本检测模型(`detection`)1.准备训练数据集2.下载预训练模型模型介绍下载预训练模型3.开始训练断点训练4.模型评估5.模型测试6.训练模型转inference模型步骤二

great-wind·2022-04-14 07:12

归一化：Layer Normalization、Batch Normalization

一方面，这样可以减少数据的偏差，避免在训练过程中出现梯度爆炸或是梯度消失的问题；另一方面，这也是确保模型测试性能

u013250861·2022-04-13 07:16

机器学习（三）sklearn数据集

数据集文章目录机器学习（三）sklearn数据集一.数据集划分二.数据集的使用2.1获取数据集返回的类型2.2数据集分割2.3用于分类的大数据集一.数据集划分一般来说，数据集分为两大部分训练数据：用于训练，构建模型测试数据

南方惆怅客·2022-04-12 11:17

深度学习入门必看-手写数字识别

目录前言一、手写数字识别任务1.任务要求2.MNIST数据集3.构建手写数字识别的神经网络模型二、通过极简方案构建手写数字识别模型1.前提条件2.数据处理3.模型设计4.训练配置5.训练过程6.模型测试三

迪迦瓦特曼·2022-04-10 08:37

Simlab 敏感性分析的简单使用

影响因子定义2分析方法样本文件创建3输出结果与文件对应4分析敏感性结果具体步骤1影响因子定义创建因子因子创建因子名字服从的分布以及值域设置定义变量.2.分析文件创建完成Sam文件创建开始测试3.选择测试模型测试模型可以是自己创建函数模型或者

帅杰·2022-04-09 08:00

深入浅出pytorch(三）

Task02：pytorch基础模块机器学习一般流程数据预处理格式统一数据划分数据变换训练集模型评估测试集损失函数拟合训练优化函数模型测试表现基本配置导入必要的数据处理包，常见的有如下几种importosimportnumpyasnpimporttorchimporttorch.nnasnnfromtorch.utils.dataimportDataset

爆破手阿瓒·2022-04-07 07:03

Darknet-Yolov3训练自己的数据指导手册

Imagenet上预先训练的权重3.修改cfg/voc.data4.修改data/voc.name为样本集的标签名5.修改cfg/yolov3-voc.cfg6.多尺度训练7.多GPU训练8.开始训练模型测试评估及样本的预标注

小楞·2022-03-30 07:07

keras训练模型时绘出每个epoch的accuracy和loss

keras训练模型时绘出每个epoch的accuracy和loss一、绘制模型训练过程中的accuracy和loss二、绘制训练好的模型测试过程中的accuracy和loss1.交叉熵损失函数2.评估accuracy_score

jarreyer·2022-03-18 07:33

Mx-yolov3环境配置+本地模型训练+K210

文章目录一、Mx-yolov3环境配置二、模型训练1.测试2.数据集制作3.VOTT标注与模型测试三、部署到k2101.模型转换2.脚本运行3.脱机运行4.一个问题四、总结一、Mx-yolov3环境配置

没有故事的男同学、·2022-03-16 07:52

pytorch中with torch.no_grad():的用法实例

目录1.关于with2.关于withtorch.no_grad():附：pytorch使用模型测试使用withtorch.no_grad():总结1.关于withwith是python中上下文管理器，简单理解

·2022-03-11 12:26

[Pytorch系列-68]：生成对抗网络GAN - 图像生成开源项目pytorch-CycleGAN-and-pix2pix - 使用预训练模型测试CycleGAN模型

作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客本文网址：https://blog.csdn.net/HiWangWenBing/article/details/122071545目录第1章概述1.1代码架构与总体思路1.2本章基本思路第2章测试步骤第1步：下载或克隆pytorch-CycleGAN-and-pix2pix所有代码第2步：切换当前目录第3步

文火冰糖的硅基工坊·2022-03-07 07:57

[Pytorch系列-66]：生成对抗网络GAN - 图像生成开源项目pytorch-CycleGAN-and-pix2pix - 使用预训练模型测试pix2pix模型

作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客本文网址：https://blog.csdn.net/HiWangWenBing/article/details/122061704目录第1章概述1.1代码架构与总体思路1.2本章基本思路第2章测试步骤第1步：下载或克隆pytorch-CycleGAN-and-pix2pix所有代码第2步：切换当前目录第3步

文火冰糖的硅基工坊·2022-03-07 07:27

训练集(training)、验证集(validation)和测试集(test)

训练集(train)：训练模型验证集(val)：评估模型测试集(test)：一旦找到了最佳参数，就开始最终训练使用训练集训练多个网络模型，再使用验证集测试这些网络，找到得分最高的那个网络作为我们选择的最佳网络

我是一个对称矩阵·2022-03-06 10:24

神经网络案例

目录神经网络案例数据加载数据处理模型构建模型编译模型训练模型测试模型保存总结神经网络案例学习目标能够利用tf.keras获取数据集能够网络多层神经网络的构建能够完成网络的训练和评估使用手写数字的MNIST

最白の白菜·2022-02-26 07:02

PyTorch实现图像识别实战指南

目录概述预处理导包数据读取与预处理数据可视化主体加载参数建立模型设置哪些层需要训练优化器设置训练模块开始训练测试测试网络效果测试训练好的模型测试数据预处理展示预测结果总结概述今天我们要来做一个进阶的花分类问题

·2022-02-25 14:50

基于opencv的haar训练自己的识别器【含 opencv_traincascade.exe和opencv_haartraining.exe下载】

文章目录环境准备数据准备数据预处理✨✨✨建立正样本的描述文件建立负样本的描述文件生成正样本的.vec文件训练模型✨✨✨模型测试环境准备所需的环境非常简单，如下：操作系统：Windowsopencv【opencv

秃头小苏·2022-02-21 07:33

从贝叶斯角度深入理解正则化

但正如上面说言，我们不仅要保证训练误差最小，我们更希望我们的模型测试误差小，所以我们需要加上第二项，

Zxdon·2022-02-18 07:53

【三阶Day7-田宇】量化投资-知行合一

在量化模型测试中，通常会得到很多结果和数据，但最后我们不仅要看最好的结果，同时也要看最坏的结果。实际投资中，多个量化模型的叠加通常会有助于降低最坏结果出现的概率。通过

田宇_5020·2022-02-17 22:12

2021-17周复盘

本周任务完成情况任务进度备注学习GCNDone学习正则表达式和RNN结合的方法Doing模型测试Done习惯培养冥想：坚持4天看业界新闻：坚持3天专业技能学习：7天思考与感悟做好自己的事情，走得慢不要紧

仰望星空的小狗·2022-02-16 00:34

python pytorch图像识别基础介绍

目录一、数据集爬取二、数据处理三、开始识别四、模型测试总结一、数据集爬取现在的深度学习对数据集量的需求越来越大了，也有了许多现成的数据集可供大家查找下载，但是如果你只是想要做一下深度学习的实例以此熟练一下或者找不到好的数据集

·2022-02-13 15:42

【机器学习报告】我用链家的数据做了一个超过链家模型的二手房房价预测模型

我用链家的数据做的二手房房价预测模型，打败了链家自己的模型前言数据准备爬虫准备特征展示变量统计性描述数据处理数据清洗与异常值过滤数据截断数据集划分：特征处理模型与分析第一轮迭代第二轮迭代模型融合K折验证PK链家模型链家估价模型测试集准备模型

是算法不是法术·2022-02-05 07:58

机器学习入门

并利用模型对未知数据进行预测工作流程介绍1.获取数据数据集介绍样本:一行数据称为一个样本特征:一列数据称为一个特征目标值(标签值)数据类型构成特征值+目标值只有特征值数据划分训练数据(训练集)占比约0.7~0.8用于构建模型测试数据

Buckletime·2022-02-04 17:34

CoAtNet实战之对植物幼苗图像进行分类(pytorch)

目录前言项目结构数据集安装库，并导入需要的库设置全局参数数据预处理数据读取设置模型测试前言虽然Transformer在CV任务上有非常强的学习建模能力，但是由于缺少了像CNN那样的归纳偏置，所以相比于CNN

·2021-12-24 18:29

【环境配置】YOLOX-华为Ascend-Pytorch模型离线推理【项目复盘】

文章目录推理流程导出ONNX文件转换om模型测试集预处理前处理脚本生成预处理数据，得到对应的info文件离线推理精度统计后处理脚本性能对比npugpu前言本文基于下面的参考AscendPyTorch模型离线推理指导推理流程导出

是王同学呀·2021-12-07 10:58

MindSpore图像分类训练resnet50实现

目录一、mindspore简介二、训练环境三、数据集与数据加载四、模型训练和验证五、迁移学习六、模型测试和导出一、mindspore简介MindSpore是华为开源的全场景深度学习框架，旨在实现易开发、

AI行业应用·2021-11-26 17:23

百度AI模型测试工具AI Model-Mutator亮相Black Hat Europe 2021

AI技术已经被广泛应用于各行各业。一方面，AI技术领域火热的研究趋势和高效的开发迭代速度可以应对日益剧增的需求。另一方面，技术的频繁更新和开发的高速迭代对底层的计算框架的安全性带来了冲击。如何确保AI计算框架的代码开发质量成为了代码开发过程中必不可少的一部分。在刚刚结束的BlackHatEurope2021上，百度安全提出了一种新型的基于模型变异的模糊测试工具AIModel-Mutator。它将模

·2021-11-19 14:46

测试理论（6）测试管理方法论

测试理论（1）软件生命周期（研发阶段）测试理论（2）软件开发模型测试理论（3）软件测试六大测试类型测试理论（4）软件测试四大测试过程测试理论（5）测试设计方法论测试理论（6）测试管理方法论测试理论（7）

redrose2100·2021-11-14 16:46

测试理论（5）测试设计方法论

测试理论（1）软件生命周期（研发阶段）测试理论（2）软件开发模型测试理论（3）软件测试六大测试类型测试理论（4）软件测试四大测试过程测试理论（5）测试设计方法论测试理论（6）测试管理方法论测试理论（7）

redrose2100·2021-11-14 16:02

python之tensorflow手把手实例讲解猫狗识别实现

目录一，猫狗数据集数目构成二，数据导入三，数据集构建四，模型搭建五，模型训练六，模型测试作为tensorflow初学的大三学生，本次课程作业的使用猫狗数据集做一个二分类模型。

·2021-11-09 10:03

Yolov5学习笔记(2)——部署在jetson nano上

jetsonnano上这是本系列的第二部分内容目录1.更换源2.更改环境变量2.2测试CUDA2.3安装pip32.4安装GPU版的tensorflow2.5安装pycuda3.1下载tensorrtx的源码3.2模型测试

一个码农儿·2021-10-24 16:06

Python实战小项目之Mnist手写数字识别

目录程序流程分析图：传播过程：代码展示：创建环境准备数据集下载数据集下载测试集绘制图像搭建神经网络训练模型测试模型保存训练模型运行结果展示：程序流程分析图：传播过程：代码展示：创建环境使用来下载torch

·2021-10-20 17:27

使用 Tensorflow 2 进行自定义对象检测的一般方法

要使用Tensorflow对象检测API训练自定义对象检测模型，你需要执行以下步骤：下载Tensorflow对象检测API获取数据为ODAPI准备数据超参数调优训练模型保存模型测试模型安装你可以使用PythonPackageInstaller

woshicver·2021-10-18 21:00

深度学习1——MNIST 简单的手写数字识别

深度学习1——MNIST简单的手写数字识别问题提出数据集读取数据使用方法卷积层、dropout层、线形层、pooling层、softmax层（分类器）训练模型测试模型实验结果源代码问题提出简单的手写数字识别本文选用

Harry-Wang·2021-09-24 10:35

YOLOv5训练自己的数据集(超详细)

目录一、准备深度学习环境二、准备自己的数据集1、创建数据集2、转换数据格式3、配置文件三、模型训练1、下载预训练模型2、训练四、模型测试五、模型推理YOLOv5训练自己的数据集整个过程主要包括：环境安装

AI小白一枚·2021-09-23 22:52

PyTorch一小时掌握之图像识别实战篇

目录概述预处理导包数据读取与预处理数据可视化主体加载参数建立模型设置哪些层需要训练优化器设置训练模块开始训练测试测试网络效果测试训练好的模型测试数据预处理展示预测结果概述今天我们要来做一个进阶的花分类问题

·2021-09-08 11:31

机器学习模型测试-入门篇

模型测试是通过检验一组带标签的数据的模型结果

李春辉·2021-06-27 08:56

ML - 非线性回归 logistic regression

1.概率：1.1定义概率(P)robability:对一件事情发生的可能性的衡量1.2范围00.5h(x)>0.22.2基本模型测试数据为X（x0，x1，x2···xn）要学习的参数为：Θ（θ0，θ1，

leo567·2021-06-24 00:20

caffe中的模型测试之灰度图测试设置

【0、参考资料】https://blog.csdn.net/weixin_40695510/article/details/81281442【1、读入图像并转化为灰度图】img=caffe.io.load_image(img_path,color=False)此句读入图像并转化为单通道灰度图，值为float型，范围是0~1.0举个例子，自己写的，还望纠错：#coding=utf-8importos

Qn_351c·2021-06-20 01:52

Caffe Cifar10模型测试及可视化

本文主体来自[Caffe学习系列(17)：模型各层数据和参数可视化]，加了一点自己的注释(http://www.cnblogs.com/denny402/p/5105911.html)先用caffe对cifar10进行训练，将训练的结果模型进行保存，得到一个caffemodel，然后从测试图片中选出一张进行测试，并进行可视化。#加载必要的库importnumpyasnpimportmatplotl

不会积·2021-06-14 07:23

机器学习测试12条建议

李春辉·2021-06-13 05:56

深度学习之openvino预训练模型测试（车牌识别）

0背景在上一篇文章《深度学习之openvino预训练模型测试》，我们介绍了如何使用intel提供的预训练模型完成语义分割任务。

ZONG_XP·2021-06-08 13:06

推荐频道

模型测试