KNN

iTOP-RK3588开发板体验RKNN_DEMO

1rknn_ssd_demo体验rknn_ssd_demo实现了一个目标测试的功能。
mucheni·2023-09-28 16:46

【工程部署】手把手教你在RKNN上部署OCR服务（下）

序言【工程部署】手把手教你在RKNN上部署OCR服务（上）本篇接上一篇，主要是一些代码实现。
三叔家的猫·2023-09-28 16:20

iTOP-RK3588开发板rknn_multiple_input_demo 体验

按照3.2章节设置ndk和编译即可，这里只给出编译和运行结果，如下图所示：编译完成之后如下图所示：编译完成之后，通adb命令在开发板上运行程序，输入以下命令：cdrknn_multiple_input_demo_Android
mucheni·2023-09-28 13:26

迅为RK3568开发板使用RKNN-Toolkit-lite2运行测试程序

首先也需要部署运行环境，将库文件放入RK3568开发板上，我们将网盘资料“iTOP-3568开发板\02_【iTOP-RK3568开发板】开发资料\11_NPU使用配套资料\05_Linux_librknn_api
mucheni·2023-09-28 13:56

iTOP-RK3588开发板体验RKNN_DEMO

RKNN是RockchipNPU平台(也就是开发板)使用的模型类型，是以.rknn结尾的模型文件。
mucheni·2023-09-28 13:25

RK3588安装python3.11(ubuntu18.04)

1.前言看到rknn_toolkit_lite2更新了python3.11的安装包，马上更新一下2.RK3588安装python3.11Ubuntu上编译Python3.11，您可以按照以下步骤进行操作
呆呆珝·2023-09-28 06:17

tfjs knn保存训练数据

今天看了knnclassfly的git的原码，发现根本没有保存训练数据的任何方法，这就很可怕了，因为如果在没有库的支持下，自己操作这些大维度和大量的数据感觉是非常可怕很有风险的。
与时间赛跑_·2023-09-28 01:32

【OpenCV/C++】KNN算法识别数字的实现原理与代码详解

KNN算法识别数字一、KNN原理1.1KNN原理介绍1.2KNN的关键参数二、KNN算法识别手写数字2.1训练过程代码详解2.2预测分类的实现过程三、KNN算法识别印刷数字2.1训练过程一、KNN原理1.1KNN
Half_A·2023-09-27 21:39

【颜色识别】【Python+OpenCV】KNN（K近邻算法）实现魔方颜色识别【 3-1】

如若转载，请注明出处：古月居https://www.guyuehome.com/371111.颜色识别该程序利用KNN实现魔方颜色识别，特征采用RGB的颜色直方图，它可以区分白、黑、红、绿、蓝、橙色、黄色和紫色
无敌三角猫·2023-09-27 21:38

K近邻算法(KNN)原理小结

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达目录1.KNN算法原理2.KNN算法三要素3.KNN算法之暴力实现原理4.KNN算法之KD树实现原理5.KNN算法之训练样本不平衡情况
小白学视觉·2023-09-27 21:36

(4) OpenCV图像处理kNN近邻算法-识别手写数字0~9

目录一、识别数字0和11.识别数字0和1例程2.识别数字0和1运行效果3.识别数字0和1结果分析
qq_755682240·2023-09-27 21:04

OpenCV中的K近邻算法

K近邻算法（K-NearestNeighbors，简称KNN）是一种常用的机器学习算法，用于分类和回归问题。在OpenCV中，我们可以利用KNN算法进行图像分类、目标检测和模式识别等任务。
WzisTypescript·2023-09-27 21:02

(3) OpenCV图像处理kNN近邻算法

目录一、介绍1、类通过Matplotlib显示2、Matplotlib显示效果二、通过KNN近邻对新成员进行分类例程
qq_755682240·2023-09-27 21:00

K-最近邻算法（KNN）

K-最近邻算法（K-NearestNeighbor，KNN）是一种经典的有监督学习方法，也可以被归为懒惰学习（LazyLearning）方法。
·2023-09-27 10:22

十大数据挖掘算法之-KNN(K近邻)算法

KNN算法（K-NearestNeighbors）是一种基本的机器学习算法，常用于分类和回归任务。1.KNN算法简介KNN算法是一种监督学习算法，用于解决分类和回归问题。
鸡汤本汤·2023-09-27 02:56

【机器学习、python】KNN

监督式，提升精度#2d类别划分fromsklearn.metricsimportaccuracy_scorefromsklearn.clusterimportKMeansimportmatplotlib.pyplotaspltimportpandasaspdimportnumpyasnpdata=pd.read_csv('data.csv')x=data.drop(['labels'],axis=
岩塘·2023-09-26 23:32

YOLOV8-DET转ONNX和RKNN

目录1.前言2.环境配置(1)RK3588开发板Python环境(2)PC转onnx和rknn的环境3.PT模型转onnx4.ONNX模型转RKNN6.测试结果1.前言yolov8就不介绍了，详细的请见
呆呆珝·2023-09-26 19:24

【python】K近邻算法（k-Nearest Neighbors，KNN）解决分类问题

常用分类算法介绍分类算法是一类机器学习算法，用于将不同的数据实例分到预定义的类别或标签中。以下是一些常见的分类算法：逻辑回归（LogisticRegression）：通过对线性函数应用sigmoid函数，将数据映射到一个概率值，然后根据阈值对数据进行二分类。决策树（DecisionTree）：构建一棵树状结构来表示特征之间的关系，并根据特征的取值分割数据，最终将数据分到不同的类别中。支持向量机（S
傻傻虎虎·2023-09-26 09:18

电池寿命预测（Python代码，K最近邻回归模型（KNN）、支持向量机回归模型（SVM）和随机森林回归模型（Random Forest）三种模型,添加了中文注释）

1.数据集来源:可以在这里找到公共数据集：BatteryArchive.org从HNEI来源中选择了14个数据库。.csv文件数据是来自名为'HNEI_18650_NMC_LCO_25C_0-100_0.5/1.5C_'的时间序列。(夏威夷自然能源研究所研究了14节NMC-LCO18650电池，其标称容量为2.8安时，这些电池在25°C下以C/2充电速率和1.5C放电速率进行了1000次循环充放电
深度学习的奋斗者·2023-09-26 04:18

线性回归算法

不像knn，其结果有很好的解释性。思路就是从一堆看起来没有联系的样本点中找到一个直线方程，能让数据尽可能拟合这条直线，从而对未知数据
skullfang·2023-09-24 23:06

机器学习笔记 - 维度诅咒的数学表达

1、点之间的距离kNN分类器假设相似的点也可能有相同的标签。但是，在高维空间中，从概率分布中得出的点往往不会始终靠近在一起。我们可以用一个简单的例子来说明这一点。
坐望云起·2023-09-24 05:46

有监督学习、无监督学习、半监督学习和强化学习的总结

常见算法：分类算法(KNN、朴素贝叶斯、SVM
Zhi Zhao·2023-09-23 23:38

KNN-K近邻算法（K-Nearest Neighbors）

k近邻算法的特点思想极度简单应用数学知识少（近乎为零）效果好(缺点？)可以解释机器学习算法使用过程中的很多细节问题更完整的刻画机器学习应用的流程k近邻算法k近邻算法整体是这样的一个算法，我们已经知道的这些数据点其实是分布在一个特征空间中的，通常呢，我们使用一个二维的平面来演示。比如说现在这个例子就是一个肿瘤病人相关的数据，横轴代表一个特征，是发现了这个肿瘤病人他肿块的大小，而纵轴呢，是发现这个肿块
DevGeek·2023-09-23 23:35

scikit-learn机器学习算法封装

K近邻算法K-最近邻（KNN）是一种有监督的机器学习算法，可用于解决分类和回归问题。它基于一个非常简单的想法，数据点的值由它周围的数据点决定。考虑的数据点数量由k值确定。因此，k值是算法的核心。
DevGeek·2023-09-23 23:04

OpenCV自学笔记二十三：K近邻算法

K近邻算法（K-NearestNeighbors，简称KNN）是一种常用的监督学习算法，可以用于分类和回归问题。在OpenCV中，KNN算法有相应的函数实现，主要包含在ml模块中。
ironmao·2023-09-23 21:22

机器学习（3） K近邻算法（KNN）介绍及C++实现

目录前言K近邻算法KD树生成KD树通过KD树查询最近邻节点通过KD树查询K近邻节点K近邻算法三大要素前言此前已发布的两篇博客，分别记录在假设空间有限、样本空间有限条件下如何计算泛化误差上界，并给出C++代码实现，详情参见机器学习（1）泛化误差上界的实现及分析；以及在线性可分条件下，采用随机梯度下降法收敛分二分类超平面的感知机算法，并给出C++代码实现，详情参见机器学习（2）感知机原理及实现。感知机
ProfSnail·2023-09-23 16:09

《机器学习实战》笔记

《机器学习实战》笔记一：K近邻KNNK近邻算法概述：工作原理，一般流程；KNN示例：加载数据，分析数据，数据归一化，定义KNN算法，划分数据集，训练测试，使用算法构建完整可用系统；《机器学习实战》笔记二
你欲何为R·2023-09-23 14:09

机器学习笔记08---k近邻学习

k近邻(k-NearestNeighbor，简称kNN)学习是一种常用的监督学习方法，其工作机制非常简单：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个“邻居”的信息来进行预测
一件迷途小书童·2023-09-23 13:29

学习笔记（一）k-近邻算法（KNN）

《机器学习实战》学习笔记（一）k-近邻算法（KNN）文章目录《机器学习实战》学习笔记（一）k-近邻算法（KNN）原理k-近邻算法的一般流程k-近邻算法python实现小结终于找到《机器学习实战》这本书了
小小月牙·2023-09-23 13:59

Python机器学习之K-最近邻算法

KNN(K-NearestNeighbors)一般指K最近邻算法,属于机器学习中常见的一种分类算法.本文目的在于快速地教大家对KNN算法有个直观的理解,同时为了方便大家实现该算法,文中所涉及的模型仅使用
赵卓不凡·2023-09-23 07:34

k--最近邻算法（KNN）

目录一、简介二、举例理解三、算法步骤四、其他说明1、关于距离的计算2、超参数3、关于K值的选择4、取K值的方法5、关于决策依据6、优缺点五、代码一、简介邻近算法（KNN）是数据挖掘分类技术最简单的方法之一
涵~~·2023-09-23 07:30

K-最近邻算法

一、说明KNN算法是一个分类算法，基本数学模型是距离模型。K-最近邻是一种超级简单的监督学习算法。它可以应用于分类和回归问题。虽然它是在1950年代引入的，但今天仍在使用。
无水先生·2023-09-23 07:27

RK3588S上从训练Minist到部署Minist仓库介绍

数据输入注意数据输入输出训练的时候有输入层的mean和std2.NPU推理3.后处理输出输出结果CNN手写神经网络部署1.Opencv_DNNonnxtime推理2.NPU推理GitHub-rockchip-linux/rknn-toolkit2
小枫小疯·2023-09-22 22:07

机器学习大作业--Python城市空气质量的分析与预测

需要完整项目源码和论文报告可以私信我或加QQ1878073201机器学习大作业–基于机器学习算法、KNN、SVM、LSTM、决策树、随机森林、线性回归分析对空气质量的分类、识别和预测:本文针对江西省南昌市
黎明的前夜·2023-09-22 06:02

RKNN-Toolkit模型转换并在Rockchip NPU推理并进行性能评估

RKNN-Toolkit转换Tensorflow模型至RockchipNPU推理并进行性能评估文章目录RKNN-Toolkit转换Tensorflow模型至RockchipNPU推理并进行性能评估一、基本知识二
阿联Wzzz·2023-09-22 02:02

iTOP-RK3588开发板更新RKNN模型

RKNN是RockchipNPU平台(也就是开发板)使用的模型类型，是以.rknn结尾的模型文件。
mucheni·2023-09-21 16:46

rk3568环境配置和推理报错: RKNN_ERR_MALLOC_FAIL

前言最近在部署算法在板子侧遇到的一些问题汇总一下：一、版本问题经过测试现在将自己环境配置如下：本地linux安装rknn-toolkit2-1.5.0本地Linux使用的miniconda新建的一个python
*wj·2023-09-21 00:40

机器学习实战KNN部分代码改写

首先创建测试样例defcreateData():group=array([[1.1,1.1],[1.0,1.0],[0,0],[0,0.1]])labels=['A','A','B','B']returngroup,labels原书核心代码defclassify(inX,dataset,labels,k):datasetsize=dataset.shape[0]diffmat=tile(inX,(
南晨Inc·2023-09-20 23:49

【论文阅读】检索增强发展历程及相关文章总结

文章目录前言Knn-LMInsightMethodResultsDomainAdaptionTuningNearestNeighborSearchAnalysisREALMInsightsMethodKnowledgeRetrieverKnowledge-AugmentedEncoderExpResultAblationStudyCaseStudyDPRInsightMethodExperimen
长命百岁️·2023-09-20 09:12

数据分享|R语言逻辑回归、线性判别分析LDA、GAM、MARS、KNN、QDA、决策树、随机森林、SVM分类葡萄酒交叉验证ROC...

全文链接:http://tecdat.cn/?p=27384在本文中，数据包含有关葡萄牙“VinhoVerde”葡萄酒的信息（点击文末“阅读原文”获取完整代码数据）。介绍该数据集（查看文末了解数据获取方式）有1599个观测值和12个变量，分别是固定酸度、挥发性酸度、柠檬酸、残糖、氯化物、游离二氧化硫、总二氧化硫、密度、pH值、硫酸盐、酒精和质量。固定酸度、挥发性酸度、柠檬酸、残糖、氯化物、游离二氧
拓端研究室TRL·2023-09-20 07:34

分类算法（KNN算法）

KNN（k-NearestNeighbors）算法是一种常见的分类和回归算法。它的核心思想是通过计算待分类对象和训练集中已分类对象之间的距离来确定待分类对象所属的类别。
IKUN家族·2023-09-20 00:13

迅为RK3588开发板修改编译工具路径

1因为此章节以rknn_yolov5_demo在RK3588Linux64位平台上运行为例，所以修改examples/rknn_yolov5_demo/build-XXX.sh的编译工具路径，如下图所示
mucheni·2023-09-19 12:45

rk3568 RKNN配置（部分异常情况）

rk3568RKNN配置PC:Ubuntu18.0+rknn平台：RK3568Python版本：3.6.x安装rknn-toolkit21、下载RKNN_SDK或RK3568源码SDK，cd进入rknn-toolkit2
浅小钰io·2023-09-19 01:30

超参数

kNN算法没有模型参数kNN算法的k是典型的超参数sklearn的kNN算法的超参数sklearn.neighbors.KNeighborsClassifiern_neighbors:int,optional
Waldo_cuit·2023-09-19 00:51

数据分享|R语言逻辑回归、线性判别分析LDA、GAM、MARS、KNN、QDA、决策树、随机森林、SVM|附代码数据

全文链接:http://tecdat.cn/?p=27384最近我们被客户要求撰写关于葡萄酒的研究报告，包括一些图形和统计输出。在本文中，数据包含有关葡萄牙“VinhoVerde”葡萄酒的信息介绍该数据集（查看文末了解数据获取方式）有1599个观测值和12个变量，分别是固定酸度、挥发性酸度、柠檬酸、残糖、氯化物、游离二氧化硫、总二氧化硫、密度、pH值、硫酸盐、酒精和质量。固定酸度、挥发性酸度、柠檬
·2023-09-18 16:06

单细胞imputation数据补全之KNN-smoothing

单细胞测序面临的一个不可忽视的技术问题，就是dropout事件（表达大量的0值，表达矩阵比较稀疏），如何克服这些噪声，研究者开发了一些方法，用以填补这些0值，克服技术噪声。2020年有一篇发表在GB上的方法评测，系统性地评测了18种目前已经发表的单细胞imputation工作，这些方法可以大致分为三类，第一类是基于统计学模型的方法。第二类是基于图的方法。第三类是基于深度学习的方法。在18种方法种，
好风凭借力·2023-09-18 09:16

05模型建立与评价

线性回归算法、BP神经网络算法、决策树、支持向量机、KNN等无监督学习：自动对输入的资料进行分类或分群，以寻找数据的模型和规律。
糖雪球_ae18·2023-09-18 02:44

yolov5在rk3588上加速

不采用fastdeploy等三方框架，使用rknn-lite2或者rknpu在rk3588上加速，测试加速的是rknn自带的yolov5模型。
Kun Li·2023-09-17 20:29

knn约会实例2

2018-04-02分析数据：使用Matplotib创建散点图https://www.cnblogs.com/shanlizi/p/6850318.html详细内容准备数据：归一化数值1、Python中min和max函数，min/max(0)表示比较不同行得出的最小，min/max(0)表示每一行比较出的最小值。min和max函数2、shape函数获取矩阵的行列，shape[0]获取其行长即第一维
日月一人·2023-09-17 10:51

RKNN模型评估-性能评估和内存评估

性能评估的例子读取yolov8n_relu.rknn模型，并连RK356
Good@dz·2023-09-16 12:36
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他