yolov5训练自己的数据集

DeepSeek四种知识库布置方案，选一种最适合你的！

本文将基于DeepSeek的强大，深入分析Dify+DeepSeek、AnythingLLM+DeepSeek、Ollama+DeepSeek和硅基流动+DeepSeek四种方案，帮助你找到最适合自己的选择
坚定信念，勇往无前·2025-03-04 18:36

我的2024年总结

【坚持健身，不用私教自己训练】这个也做到了，虽然做不到一周三四练，但基本上还是保证一周可以两练，同时尝试自己去健身房进行健身，感觉效果也不错。后面
XiyouLinux_Kangyijie·2025-03-04 18:36

基于SpringBoot校园失物招领系统设计与实现

通过功能模块的优化组合实现帮助失主进行在线发布自己的丢失物品，让更多人看到信息后可以帮助查找，同时捡到东西的人也可以发布抬到的物品信息，或者交到中心平台由管理员进行发布招领信息，失主可以通过信息确定自己的物品然后进
骆晨学长·2025-03-04 18:05

批发行业适合用哪些进销存软件？5 款进销存管理系统测评

本文将对五款热门进销存管理系统进行测评，帮助批发企业选择最适合自己的软件。
·2025-03-04 18:34

大模型学习笔记-基于《Deep Dive into LLMs like ChatGPT》

构建数据集对于大语言模型（LLM）的训练而言，首先需要构建
XiyouLinux_Kangyijie·2025-03-04 18:33

Android自动化测试初探

结合自己的能力和公司的状况，选择合适的自动化工具、搭建正确而又高效的框架或许是个永远讨论不完的话题，正如应了那句话，没有最好，只有更好。
zgy19851028·2025-03-04 18:02

软件设计和软件架构之间的区别

并且深耕深度学习和数据集训练，提供商业化的视觉人工智能检测和预警系统（煤矿，工厂，制造业，消防等领域的工业化产品），合
前网易架构师-高司机·2025-03-04 17:56

代码随想录算法训练营第十天|1. 两数之和，第454题.四数相加II

文档讲解：代码随想录难度：一般嗷~~1.两数之和力扣题目链接(opensnewwindow)给定一个整数数组nums和一个目标值target，请你在该数组中找出和为目标值的那两个整数，并返回他们的数组下标。你可以假设每种输入只会对应一个答案。但是，数组中同一个元素不能使用两遍。示例:给定nums=[2,7,11,15],target=9因为nums[0]+nums[1]=2+7=9所以返回[0,1
火车叨位去1949·2025-03-04 17:54

013、Python+fastapi，第一个后台管理项目走向第13步：建立python+fastapi项目，创建cache模块

一、说明在今天学习RuoYi-Vue3-FastAPI的代码过程中，我遇到了几个问题，下面说说自己的感想二、自定义的log装饰器源码中是log_annotation.py，代码也没什么好说的，这个知识点到处都是文章
浪淘沙jkp·2025-03-04 17:53

使用MATLAB，进行机器视觉手势识别

matlab进行手势识别，源码+数据集使用MATLAB，进行机器视觉手势识别。调用计算机相机采集手势数据，通过GUI界面按钮的操作能够及时的停止和启动程序。
Jack dudu·2025-03-04 16:17

【目标检测】工地扬尘检测数据集3832张YOLO+VOC格式

【目标检测】工地扬尘检测数据集3832张YOLO+VOC格式数据集格式：VOC格式+YOLO格式压缩包内含：3个文件夹，分别存储图片、xml、txt文件JPEGImages文件夹中jpg图片总计：3832Annotations
不会仰游的河马君·2025-03-04 15:11

【STL】 set 与 multiset：基础、操作与应用

在C++标准库中，set和multiset是两个非常常见的关联容器，主要用于存储和管理具有一定规则的数据集合。本文将详细讲解如何使用这两个容器，并结合实例代码，分析其操作和特性。
float_com·2025-03-04 14:06

机器学习--特征选择

在实际的数据集里，往往存在大量的特征，其中一些特征可能与目标变量高度相关，对模型的预测有重要贡献；而另一些特征可能是冗余的、不相关的甚至会对模型产生干扰，增加模型的复杂度和噪声。
Luis Li 的猫猫·2025-03-04 14:06

BERT 和 Milvus 构建智能问答系统的全面技术解析，涵盖从原理到实践的完整流程

下面Python代码示例和优化策略：一、技术栈协作原理BERT的语义编码能力BERT作为预训练语言模型，通过双向Transformer结构将文本转换为高维向量（如768维），捕捉上下文语义信息。
·2025-03-04 14:28

Helix 是开源的私有 GenAI 堆栈，用于构建具有声明性管道、知识 （RAG）、API 绑定和一流测试的 AI 应用程序。

在您自己的数据中心或VPC中部署开放AI的最佳功能，并保持完整的数据安全性和控制。包括对RAG、API调用和微调模型的支持，就像拖放一样简单。通过编写helix.yaml来构建和部署LLM应用程序。
2301_78755287·2025-03-04 13:50

python流水线自动化项目教程

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言1.项目环境准备Python安装选择Python开发环境安装必要库2.数据获取与理解4.模型训练流水线6.模型保存7.模型部署
小白教程·2025-03-04 12:46

SFT与RLHF的关系

在大模型训练中，SFT（监督微调）和RLHF（基于人类反馈的强化学习）是相互关联但目标不同的两个阶段，通常需要结合使用以优化模型性能，而非互相替代。
一只积极向上的小咸鱼·2025-03-04 11:12

认识Linux操作系统

任务一查找Linux系统的基本概况任务说明本任务的主要内容是通过网络查找Linux系统最基本的知识，然后对Linux操作系统有一个初步的认识；学会利用网络资源来收集与整理资料，并内化成自己的知识。
yangyanzlh·2025-03-04 10:03

AI大模型与区块链技术的结合

模型可信度：区块链记录模型的训练和使用过程，确保模型的透明性和
小赖同学啊·2025-03-04 10:31

蚂蚁技术研究院发布推理大模型强化学习框架，邀请开发者共同助力 AGI 生态

AReaL源自开源项目ReaLHF，旨在训练每个人都可以复现和贡献的大型推理模型(LRM)。AReaL是蚂蚁技术研究院为开发一个完全开放和包容的AGI世界迈出的一步。
·2025-03-04 10:52

第三周：从错误中认识到管理

对于需求，人与人的理解是不一样的，有些太过于抽象的东西，太难以描绘，只能一而再再而三的确认，同时跟进下属开发的情况，第一时间看其是否偏离自己所理解的需求，以免成品与自己的期望相差过大。
·2025-03-04 10:51

面试问题（一）

所有东西都不是一蹴而就的，我们往往要不断向别人学习，才能更好走出自己的道路。
重岳·2025-03-04 10:58

小白也能十分钟打造自己的推理大模型！unsloth+Colab+DeepSeek-R1-Distill-Llama-8B轻松上手

小白也能十分钟打造自己的推理大模型！
AI超元域·2025-03-04 07:08

java-图片文件与Base64格式之间的互相转换

一、//转换Base64格式的字节数据集成为图片，存到服务器指定路径publicvoidTransformBase64DataToPhoto(StringUploadPath,StringDataName
Vodka~·2025-03-04 06:06

启智平台上传较大数据集

1.安装anconda2.安装openi(python38)C:\Users\33659>pipinstall-Uopeni-ihttps://pypi.tuna.tsinghua.edu.cn/simple3.输入token获取token的方式见官方教程：https://openi.pcl.ac.cn/docs/index.html#/api/tokenopenilogin(python38)C
失眠的树亚·2025-03-04 05:57

大模型开发和微调工具Llama-Factory--＞WebUI

#避免从HuggingFace下载模型导致网速不畅USE_MODELSCOPE_HUB=1llamafactory-cliwebui1.训练在模型开始训练之
m0_74823705·2025-03-04 05:56

神经网络之CNN文本识别

但是在文本分类问题上，相比于RNN，CNN的构建和训练更为简单和快速，并且效果也不差，所以仍然会有一些研究。那么，CNN到底是怎么应用到NLP上的
邪恶的贝利亚·2025-03-04 05:56

【Address Overfitting】解决过拟合的三种方法

：2.特征选择方法介绍：实践示例：适用场景：优缺点：3.正则化（Regularization）正则化类型：实践示例：适用场景：优缺点：总结与对比总结在机器学习中，过拟合（Overfitting）是模型训练过程中常见的问题
HP-Succinum·2025-03-04 05:24

分布式session和本地session区别

每个服务器都维护自己的会话信息。分布式会话：会话信息存储在共享的存储介质中，例如Redis、数据库等。多个服务器可以共享和访问同一份会话数据。可扩展性:本地会话：受限于单个服务器的内存大小和处理能力，
搁浅里妥协·2025-03-04 04:20

分布式Session

一、从生活场景理解Session的本质传统单机场景（小餐馆）服务员：Tom（唯一服务员）工作流程：顾客首次点餐→Tom给纸质会员卡（SessionID）Tom把顾客口味记录在自己的笔记本（服务器内存）顾客下次出示会员卡
长勺·2025-03-04 04:19

常见的第三方依赖管理工具：Maven、Gradle、npm、Nuget……（什么是第三方依赖工具）

一个形象的例子是，假设你要在自己的网站上添加一个日期选择器功能。为了实现这个功能，你可以选择从头开始编写自己的日期选择器代码，包括处理用户输入、样式设计、错误处理等等。然而
AC-PEACE·2025-03-04 04:47

7 天精通 DeepSeek 实操手册

因此，我们提供了每天的学习目标和实操任务，并提供三大锦囊助你一臂之力：针对常见问题的解决方案针对不同人群的场景示例进阶变现全流程指南希望你能循序渐进地学习AI，让AI成为你的协作伙伴，甚至在AI时代开启自己的传奇岁月
无极工作室(网络安全)·2025-03-04 03:14

系统设计：扫码登录流程，5个流程图告诉你！

背景说明扫码登陆是我们在各种应用系统中最常见的逻辑之一，即使是公司后端系统也非常常见，例如我们的系统与企业微信进行绑定，需要用户扫描后自动登陆自己的工号进入系统。
试着奔跑的菜鸟·2025-03-04 03:44

MoneyPrinterTurbo：开源的 AI 短视频生成工具，一键生成高清视频，包括视频文案、素材、字幕和背景音乐

❤️如果你也关注大模型与AI的发展现状，且对大模型应用开发非常感兴趣，我会快速跟你分享最新的感兴趣的AI应用和热点信息，也会不定期分享自己的想法和开源实例，欢迎关注我哦！
蚝油菜花·2025-03-04 03:44

Word2Vec的使用，一些思考，含示例——包括使用预训练Word2Vec模型和自训练Word2Vec模型

你可以直接通过它训练生成词向量，也就是一个新的Word2Vec，也可以使用预训练好的词向量，也就是那里直接用。
热爱生活的猴子·2025-03-04 03:13

如何用3个月零基础入门网络安全？_网络安全零基础怎么学习

基于入门网络安全/黑客打造的：黑客&网络安全入门&进阶学习资源包前言写这篇教程的初衷是很多朋友都想了解如何入门/转行网络安全，实现自己的“黑客梦”。
白帽黑客啊一·2025-03-04 02:34

AI写作助手哪家强？综合对比就数它！BKAI

然而，面对市场上众多的AI写作助手，如何选择最适合自己的工具？AI写作助手的关键功能AI写作助手的核心功能包括文本生成、校对编辑、风格优化和创意生成。
·2025-03-04 02:41

DynamicSparse-MobileNet (DSMNet) 用于低功耗图像分类

目录DynamicSparse-MobileNet(DSMNet)用于低功耗图像分类一、模型背景与动机二、模型创新点详细解析1.动态稀疏计算路径2.自适应通道缩放3.熵感知知识蒸馏三、数据集与预处理四、
闲人编程·2025-03-04 01:29

人生必读书籍《高效能人士的七个习惯》

积极主动：意味着个人要为自己的选择和行为负责，从内在驱动自己去应对生活和工作，而不是被外界因素所左右。它不仅是一种态度，更是一种基于个人价值观和原则的行动选择。例如埃隆・马斯克，他不
Hello kele·2025-03-04 01:57

AI大模型教程入门到精通，非常详细收藏我这一篇就够了！AI大模型零基础入门教程（适合小白）

AI大模型是指使用大规模数据和强大的计算能力训练出来的人工智能模型。这些模型通常具有高度的准确性和泛化能力，可以应用于各种领域，如自然语言处理、图像识别、语音识别等。为什么要学AI大模型？
AGI大模型学习·2025-03-04 01:21

大模型算法工程师的技术图谱和学习路径

负责整个模型开发生命周期，包括数据清洗、特征工程、模型选择、训练和部署。与数据科学家、工程团队和产品团队合作，理解业务需求并将算法转化为实际产品。对模型性能进行评估和优化，确保模型的准确性、效率和可扩
执于代码·2025-03-03 23:39

AI提示词终极奥秘：三招破解Zero-Shot/Few-Shot/COT魔法

二、三分钟掌握三大核心技术1.Zero-Shot：空手道大师的思维（无需任何示例）核心原理：利用模型预训练知识直接推
曦紫沐·2025-03-03 22:05

DeepSeek-R1：通过强化学习激励大型语言模型的推理能力

DeepSeek-R1-Zero是一个通过大规模强化学习（RL）训练而成的模型，无需监督微调（SFT）作为初步步骤，展示了卓越的推理能力。
AI专题精讲·2025-03-03 22:05

Kotlin基础学习（十八）—— Kotlin 运算符重载与约定

Kotlin允许使用对应名称的函数来重载一些标准的数学运算，但是不能定义自己的运算符Kotlin中的约定：为不同操作符规范操作符重载的约定。
浅唱整个春天·2025-03-03 22:35

【Java数据结构】哈希表

2.哈希冲突当数据集合中可能存在多个数据都被插在一块区域，如上面例题23和3取模后都放在了数组下标3的位置，这是就存在冲突，也就被称为哈希冲突。冲突的解决方法：避免冲突、解决冲突。3.避免冲
回响N·2025-03-03 22:01

SOFABoot 4.0 正式发布，多项新特性等你来体验！

如果你的应用目前使用Java8或11，你需要先将自己的JDK版本升级到17才能基于SOFABoot4.0进行开发。
·2025-03-03 21:00

深度学习pytorch之4种归一化方法（Normalization）原理公式解析和参数使用

pytorch之19种优化算法（optimizer）解析深度学习pytorch之4种归一化方法（Normalization）原理公式解析和参数使用摘要归一化（Normalization）是提升模型性能、加速训练的重要技巧
@Mr_LiuYang·2025-03-03 21:55

Pta考试真题训练—1125（字符串之最小子串）

子串是一个字符串中连续的一部分，而子列是字符串中保持字符顺序的一个子集，可以连续也可以不连续。例如给定字符串atpaaabpabtt，pabt是一个子串，而pat就是一个子列。现给定一个字符串S和一个子列P，本题就请你找到S中包含P的最短子串。若解不唯一，则输出起点最靠左边的解。输入格式：输入在第一行中给出字符串S，第二行给出P。S非空，由不超过104个小写英文字母组成；P保证是S的一个非空子列。
Arbritry·2025-03-03 21:55

PyTorch Lightning 的简单使用示例

1.环境准备与依赖导入首先，代码需要导入了实现模型、数据处理和训练所需的各个包：importtorchfromtorchimportnnfromtorch.utils.dataimportDataLoader
idealmu·2025-03-03 21:54

考研复试备考全攻略

录制复试视频，分析自己的表现，改进不足。保持良好的身心状态：保持充足的休息，避免过度焦虑。二、复试准备英语
知识产权13937636601·2025-03-03 21:53
上一页 27 28 29 30 31 32 33 34 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他