resnet50

基于迁移学习的ResNet50模型实现石榴病害数据集多分类图片预测

完整源码项目包获取→点击文章末尾名片！番石榴病害数据集背景描述番石榴（Psidiumguajava）是南亚的主要作物，尤其是在孟加拉国。它富含维生素C和纤维，支持区域经济和营养。不幸的是，番石榴生产受到降低产量的疾病的威胁。该数据集旨在帮助开发用于番石榴果实早期病害检测的机器学习模型，帮助保护收成并减少经济损失。数据说明该数据集包括473张番石榴果实的注释图像，分为三类。图像经过预处理步骤，例如钝
深度学习乐园·2025-06-28 21:33

云计算处理器选哪款？性能与能效的平衡艺术

IntelXeon6900系列制程突破:采用进阶版Intel7工艺,56核配置下全核睿频可达4.3GHz内存子系统:集成DDR5内存控制器,支持8通道RDIMM/LRDIMMAI加速实例:AWSc7i实例实测显示,ResNet50
资讯分享周·2025-06-21 06:59

【ResNet50 可视化界面】在电脑上实现可视化界面

一、Python可视化界面PyQt5库PyQt5是一个流行的Python库，用于创建图形用户界面（GUI）应用程序。它基于Qt库，是一个跨平台的开源框架，可用于创建各种类型的桌面应用程序。跨平台性：PyQt5可以在多个操作系统上运行，包括Windows、Mac和Linux。这意味着可以在任何支持Python的平台上使用PyQt5来开发应用程序。丰富的控件：PyQt5提供了大量的用户界面控件，包括按
艾墨舟启航·2025-06-18 04:21

基于照片环境信息的AI定位技术：从原理到实战的深度解析

一、技术原理：从特征提取到多模态融合1.1环境特征的数字化映射视觉特征解析：通过CNN网络（如ResNet50）提取
灏瀚星空·2025-05-30 09:08

RK3588 RKNN ResNet50推理测试

RK3588RKNNResNet50推理测试一、背景二、性能数据三、操作步骤3.1安装依赖3.2安装rknn-toolkit,更新librknnrt.so3.3下载推理图片3.4生成`onnx`模型转换脚本3.5生成rknn模型3.6运行rknn模型一、背景在嵌入式设备上进行AI推理时，我们面临着算力有限、功耗敏感等挑战。RK3588芯片搭载的NPU（神经网络处理单元）专为加速AI运算设计，而RK
Hi20240217·2025-05-22 07:32

RK3588 IREE+Vulkan ResNet50推理测试

RK3588IREE+VulkanResNet50推理测试背景一.性能数据【暂不考虑该框架】二.操作步骤2.1搭建NFS服务,解决IREE编译时,空间不足的问题2.2编译、安装`IREE`2.2.1挂载NFS2.2.2安装依赖2.2.3编译`IREE`2.2.4获取驱动及设备信息2.2.5下载推理图片2.2.6生成`onnx`模型转换脚本2.2.7生成运行推理测试脚本2.2.8`CPU-FP32`
Hi20240217·2025-05-21 07:24

基于EFISH-SCB-RK3576/SAIL-RK3576的智能垃圾分类站技术方案

（国产化替代J1900的环保物联网解决方案）一、硬件架构设计‌‌多模态感知系统‌‌高精度识别模块‌：双光谱成像（RGB+近红外）融合NPU加速ResNet50模型，支持40+垃圾品类识别（准确率>99.5%
电鱼智能·2025-05-21 04:37

大模型微调步骤整理

例如，加载一个预训练的ResNet50可以这样写：importtorchvision.modelsasmodelsmodel=mo
Trank-Lw·2025-05-19 07:41

RK3588 MNN CPU/Vulkan/OpenCL ResNet50推理测试

RK3588MNNCPU/Vulkan/OpenCLResNet50推理测试一、背景介绍1.1RK3588芯片特性1.2为什么选择MNN？1.3测试目标解析二、参考链接三、操作步骤3.1Vulkan环境搭建3.2安装OpenCL环境3.3Vulkan运行`relu`算子3.3.1安装`glslang-tools`3.3.2编写计算着色器（`relu.comp`）3.3.3生成C++代码（`main
Hi20240217·2025-05-17 18:26

FCN改进：CBAM注意力机制增强FCN-ResNet50分割模型

代码概述这段代码实现了一个基于FCN-ResNet50架构的语义分割模型，并在ResNet50的各个层级后添加了CBAM注意力模块。
听风吹等浪起·2025-05-13 11:30

昇思MindSpore学习笔记6-02计算机视觉--ResNet50迁移学习

摘要：记录MindSporeAI框架使用ResNet50迁移学习方法对ImageNet狼狗图片分类的过程、步骤。包括环境准备、下载数据集、数据集加载、构建模型、固定特征训练、训练评估和模型预测等。
muren·2025-05-11 08:30

ATOM resnet50/PrDiMP18 在UAV123数据集测试结果

ATOMresnet50/PrDiMP18(epoch=90)在UAV123数据集测试结果(tracker_num=1)结果保存在tracking_results_me_prdimp18_epoch90_atom5/result_plots_me_prdimp18_epoch90_atom50Running:myexperimentsatom_dimp_uavEvaluating2trackers
朱朱呀·2025-05-04 20:20

基于 EFISH-SBC-RK3588 的无人机环境感知与数据采集方案

NPU加速‌：6TOPS独立NPU（支持INT8/FP16混合运算），可直接部署YOLOv5、ResNet50等模型，实时处理激光雷达点云、多光谱图像等
电鱼智能·2025-04-27 16:13

Bottleneck、CSP、DP结构详细介绍

一、BottleneckBottleneck出现在ResNet50/101/152这种深层网络中，基本思想就是先用1x1减少通道数再进行卷积最后再通过1x1
CV工程师小朱·2025-03-12 17:45

【深度学习】PYTORCH框架中采用训练数据“CIFAR-10”实现RESNET50

一、ResNet网络结构二、基本块三、RESNET50代码实现resnet50.pyimporttorchimporttorch.nnasnnfromtorch.nnimportfunctionalasFclassResNet50BasicBlock
别出BUG求求了·2025-02-26 08:20

DeepSeek混合精度训练核心技术解析与实践指南

1.主题背景1.1Why混合精度训练（价值）混合精度训练通过结合FP16和FP32数据格式，在保证模型精度的前提下实现：40-60%显存占用降低（ResNet50案例：从7.8GB降至4.2GB）1.5
燃灯工作室·2025-02-24 15:33

ViT和Transformer

后来会思考在卷积之后再使用transformer，例如resNet50模型中，最后一层仅为14×14大小的矩阵。而本文是直接采用transformer模型，只需要对图片做一下预处理。
Landon9·2025-02-14 06:37

基于PyTorch框架实现，展示如何使用ResNet50进行特征提取，并结合MMD用于领域适应，迁移学习在轴承故障诊断中的应用

基于PyTorch框架实现，展示如何使用ResNet50进行特征提取，并结合MMD用于领域适应，迁移学习在轴承故障诊断中的应用_迁移学习轴承诊断DAN:ResNet50-MMD以下文字及代码仅供参考。
QQ_767172261·2025-02-12 07:15

【深度学习】Pytorch：在 ResNet 中加入注意力机制

我们将通过对标准ResNet50进行改进，向网络中添加两个自定义的注意力模块，并展示如何实现这一过程。为什么要加入注意力机制注意力机制可以帮助神经网络专注于图像中重要的特征区域，从而提高模型的性能。
T0uken·2025-01-22 07:03

基于PyTorch的ResNet50的10分类模型

使用PyTorch框架构建一个基于ResNet50的10分类模型并进行训练，需要首先确保已经安装了PyTorch和必要的库（如torchvision，用于加载预训练的ResNet50模型）。
Covirtue·2024-08-27 05:25

MIT-BEVFusion系列七--量化2_Camera、Fuser、Decoder网络的量化

目录Camera量化CameraBackbone(Resnet50)量化替换量化层，增加residual_quantizer，修改bottleneck的前向对Add操作进行量化CameraNeck(GeneralizedLSSFPN
端木的AI探索屋·2024-02-13 08:20

pytorch gpu推理、onnxruntime gpu推理、tensorrt gpu推理比较，及安装教程，有详细代码解释

YellowLabradorLooking_new.jpg-Odog.jpg类别文件：https://raw.githubusercontent.com/Lasagne/Recipes/master/examples/resnet50
idealmu·2024-02-03 13:16

【RT-DETR改进涨点】ResNet18、34、50、101等多个版本移植到ultralytics仓库(RT-DETR官方一比一移植)

欢迎大家订阅本专栏，一起学习RT-DETR一、本文介绍本文是本专栏的第一篇改进，我将RT-DETR官方版本中的ResNet18、ResNet34、ResNet50、ResNet101移植到ultralytics
Snu77·2024-01-30 12:45

【RT-DETR有效改进】EfficientFormerV2移动设备优化的视觉网络（附对比试验效果图）

专栏以ResNet18、ResNet50为基础修改版本，同时修改内容也支持ResNet32、ResNet101和PPHGNet版本，其中ResNet为RT-DETR官方版本1：1移植过来的，参数量基本保持一致
Snu77·2024-01-28 16:33

【RT-DETR有效改进】轻量化ConvNeXtV2全卷积掩码自编码器网络

专栏以ResNet18、ResNet50为基础修改版本，同时修改内容也支持ResNet32、ResNet101和PPHGNet版本，其中ResNet为RT-DETR官方版本1：1移植过来的，参数量基本保持一致
Snu77·2024-01-27 21:44

tensorflow2实现resnet50并用来分类猫狗

一、首先实现resnet50具体可以参考这篇文章importwarningswarnings.filterwarnings("ignore")importosos.environ['TF_CPP_MIN_LOG_LEVEL
吴天德少侠·2024-01-27 08:17

resnet50的tensorflow2实现

importwarningswarnings.filterwarnings("ignore")importosos.environ['TF_CPP_MIN_LOG_LEVEL']='3'importtensorboardfromtensorflow.keras.layersimport(Conv2D,MaxPool2D,Input,ZeroPadding2D,Add,AveragePooling2
吴天德少侠·2024-01-27 08:47

使用thop输出深度学习模型的flops和param

首先pipinstallthop然后frombasicsr.archsimportyourmodelfromthopimportprofilemodel=resnet50()input=torch.randn
yanzhizhiyang·2024-01-26 10:01

【RT-DETR有效改进】华为 | GhostnetV2移动端的特征提取网络效果完爆MobileNet系列

专栏以ResNet18、ResNet50为基础修改版本，同时修改内容也支持ResNet32、ResNet101和PPHGNet版本，其中ResNet为RT-DETR官方版本1：1移植过来的，参数量基本保持一致
Snu77·2024-01-24 11:18

图片分类: 多类别

支持如下backbone:alexnetresnet18,resnet34,resnet50,resnet101,resnet152,resnext101_32x4d,resnext101_64
xiexiecn·2024-01-24 04:15

81、计算机基础：数据流加载以及为什么要做权值预加载

本节我们开启对手写的resnet50模型的第二个优化，对应到仓库中的优化代码为https://gitee.com/iwaihou/cv_learning_from_scratch/tree/master
董董灿是个攻城狮·2024-01-23 02:11

79、avx2 向量指令集优化卷积运算

因为我们实战中用到的resnet50神经网络中，卷积运算在整个模型中的比例占据是相当高，而卷积运算的核心计算就是乘累加计算。
董董灿是个攻城狮·2024-01-22 01:44

【RT-DETR有效改进】Google | EfficientNetV1一种超轻量又高效的网络 （附代码 + 添加教程）

专栏以ResNet18、ResNet50为基础修改版本，同时修改内容也支持ResNet32、ResNet101和PPHGNet版本，其中ResNet为RT-DETR官方版本1：1移植过来的，参数量基本保持一致
Snu77·2024-01-21 23:18

【RT-DETR有效改进】华为 | Ghostnetv1一种专为移动端设计的特征提取网络

专栏以ResNet18、ResNet50为基础修改版本，同时修改内容也支持ResNet32、ResNet101和PPHGNet版本，其中ResNet为RT-DETR官方版本1：1移植过来的，参数量基本保持一致
Snu77·2024-01-21 08:11

【RT-DETR有效改进】轻量化CNN网络MobileNetV1改进特征提取网络

专栏以ResNet18、ResNet50为基础修改版本，同时修改内容也支持ResNet32、ResNet101和PPHGNet版本，其中ResNet为RT-DETR官方版本1：1移植过来的，参数量基本保持一致
Snu77·2024-01-19 09:26

【RT-DETR改进涨点】MPDIoU、InnerMPDIoU损失函数中的No.1（包含二次创新）

专栏以ResNet18、ResNet50为基础修改版本，同时修改内容也支持ResNet32、ResNet101和PPHGNet版本，其中ResNet为RT-DETR官方版本1：1移植过来的，参数量基本保持一致
Snu77·2024-01-16 11:03

【RT-DETR有效改进】ShapeIoU、InnerShapeIoU关注边界框本身的IoU(包含二次创新)

专栏以ResNet18、ResNet50为基础修改版本，同时修改内容也支持ResNet32、ResNet101和PPHGNet版本，其中ResNet为RT-DETR官方版本1：1移植过来的，参数量基本保持一致
Snu77·2024-01-16 10:47

【RT-DETR改进涨点】为什么YOLO版本的RT-DETR训练模型不收敛的问题

其中提到的多个版本ResNet18、ResNet34、ResNet50、ResNet101为本人根据RT-DETR官方版本1：1移植过来的，参数量基本保持一致(误差很小很小)，不同于ultralytics
Snu77·2024-01-15 07:37

triton教程2：跑resnet50

一、前言不知从何时起，resnet50就成了很多场景下的basemodel，以后我们想要在triton-server部署我们自己研发的模型，那么咱就可以从部署resnet50开始。二、
孤高丶逛侠·2024-01-14 11:13

【AI实战】分布式训练：使用DistributedDataParallel实现单机多GPU并行训练resnet50模型

【AI实战】使用DistributedDataParallel实现单机多卡并行训练resnet50模型DistributedDataParallel依赖包加载预训练模型使用DistributedDataParallel
szZack·2024-01-14 09:07

人工智能-深度学习：神经网络模型压缩技术（Network Compression）

一、技术背景一般情况下，NeuralNetworks的深度和效果成正比，网络参数越多，准确度越高，基于这个假设，ResNet50（152）极大提升了CNN的效果，但计算量也变得很大。
u013250861·2024-01-13 06:15

基于深度学习神经网络cnn的柑橘病虫害识别系统源码

：Fruit-anthrax，Fruit-ulcer，leaf_thyroid，Leaf-anthrax和Leaf-ulcer，总共有3030张图片，每个文件夹单独放一种数据第二步：搭建模型本文用的是resnet50
天竺街潜水的八角·2024-01-12 20:31

安谋科技“周易”NPU与飞桨完成II级兼容性测试，助力实现多样化AI部署

经过双方联合严格测试表明，安谋科技“周易”NPU系列IP在ResNet50、ResN
飞桨PaddlePaddle·2024-01-11 12:04

kaggle比赛：Classify Leaves图片树叶分类（使用resnet50预训练模型进行）

1、比赛介绍：ClassifyLeaves|Kaggle2、数据划分：该任务是：给出树叶的图片，将给出的树叶分成176类。#导入一些用到的包importcollectionsimportmathimportosimportshutilimportpandasaspdimporttorchimporttorchvisionfromtorchimportnnfromd2limporttorchasd2
kay_545·2024-01-10 07:01

63、图片预处理：Resize and Crop

在resnet50的实战中，在进行一张图片的推理实验之前，我们也会对输入的图像进行ResizeandCrop操作。这一节就介绍下这两个预处理操作。
董董灿是个攻城狮·2024-01-10 05:47

pytorch获取网络的层数和每层的名字

__dict__["resnet50"](pretrained=True)forindex,(name,param)inenumerate(model.named_parameters()):print
燃梅·2024-01-08 10:58

59、resnet50 权值和参数保存

按照之前介绍算法时所说的，在resnet50中，存在权值的层有卷积层（权值为卷积核）、bn层（权值为gamma和bias），全连接层（权值为矩阵）同时，我们把所有卷积层中的参数（padding，stride
董董灿是个攻城狮·2024-01-08 06:33

60、resnet50 权值和参数加载

上一节我们将resnet50中需要下载的权值，以及每层卷积的参数，都下载并且保存到了仓库resnet50_weight目录，在仓库的这个连接。
董董灿是个攻城狮·2024-01-08 06:33

62、python - 全手写搭建 resnet50 神经网络

如果将上篇文章中涉及到的算法都自己手写完一遍后，我们开始尝试利用自己手写的算法，搭建一个完整的resnet50神经网络。网络结构就参考这个链接中的网络结构，是在之前下载模型的章节中，下载的模型。
董董灿是个攻城狮·2024-01-08 06:30

52、全连接 - 特征与样本空间的对应关系

在经过全连接层之后，在ResNet50这个神经网络中会输出1000个特征的得分值，这1000个特征的得分值，便可以对应到图像的分类。怎么对应呢？
董董灿是个攻城狮·2024-01-05 05:19
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他