前言1.知识补充【机器学习】显卡、GPU、NVIDIA、CUDA、cuDNN（搬运：要点如下，详细可看链接）加*非重要内容，视情况执行。显卡：即显示卡，全称显示接口卡，是计算机最基本配置、最重要的配件之一（就像联网需网卡，数据显示在屏幕需显卡）。显卡是由GPU、显存等等组成的。GPU：图形处理器，一般焊接在显卡上的。GPU是显卡上的一块芯片，就像CPU是主板上的一块芯片。GPU功能强大，只用于图形处理太浪费，NVIDIA公司提出CUDA的概念，通用并行计算架构，是一种运算平台，更加方便利用GPU强大的计算能力（并非所有GPU支持CUDA）。CUDA：通用并行计算架构，该架构使GPU能够解决复杂
文章目录使用PyTorch实现图像分类1.定义模型1.1一个小的神经网络1.2AlxeNet网络结构1.3VGG16网络结构2.加载数据集3.定义训练参数4.训练5.显示Loss和Acc5.1使用plot5.2使用混淆矩阵6.验证训练的模型7.问题与解决7.1图像尺寸问题7.2将图像数据划分为训练集、测试集、验证集使用PyTorch实现图像分类本文将介绍如何使用PyTorch实现利用神经网络在图像数据集上进行训练和如何利用训练好的模型对图像进行分类创建文件夹，用于保存训练好的网络importosifnotos.path.exists("./save_model_rs_dataset"):os.
如果可以,请点个赞,这是我写博客的动力,谢谢各位观众1.前言深度学习虽然发展迅速,但是由于其线性的特性,受到了对抗样本的影响,很容易造成系统功能的失效。以图像分类为例子，对抗样本很容易使得在测试集上精度很高的模型在对抗样本上的识别精度很低。对抗样本指的是在合法数据上添加了特定的小的扰动，人眼不能明显分辨但是会影响深度学习模型的输出的样本。常见的防御方法有对抗训练AdversarialTraining。最近我在尝试复现对抗训练，找了一下发现有一些基于tensorflow的对抗训练的代码，但是没怎么看见pytorch的代码，所以我在这里做一个记录。2.参考文献：1书籍《AI安全之对抗样本入门》2论
文章目录1.色彩空间1.1BGR色彩空间1.2GRAY色彩空间1.3HSV色彩空间1.4空间转换1.4.1BGR转GRAY1.4.2BGR转HSV2.色彩通道2.1色彩通道的拆分2.1.1cv2.split()拆分BGR通道2.1.2拆分HSV通道2.2cv2.merge()色彩通道的合并2.2.1BGR合并2.2.2HSV合并2.2.3通道拆分与合并的综合运用2.3BGRA色彩空间(alpha通道)ʚʕ̯•͡˔•̯᷅ʔɞ🍹欢迎各路大佬来到小啾主页指点☀️欢迎大家前来学习OpenCVBGR、GRAY、HSV色彩空间&色彩通道专题-Open_CV系列博文第三篇，我是侯小啾。✨博客主页：云雀编程小
文章目录1.色彩空间1.1BGR色彩空间1.2GRAY色彩空间1.3HSV色彩空间1.4空间转换1.4.1BGR转GRAY1.4.2BGR转HSV2.色彩通道2.1色彩通道的拆分2.1.1cv2.split()拆分BGR通道2.1.2拆分HSV通道2.2cv2.merge()色彩通道的合并2.2.1BGR合并2.2.2HSV合并2.2.3通道拆分与合并的综合运用2.3BGRA色彩空间(alpha通道)ʚʕ̯•͡˔•̯᷅ʔɞ🍹欢迎各路大佬来到小啾主页指点☀️欢迎大家前来学习OpenCVBGR、GRAY、HSV色彩空间&色彩通道专题-Open_CV系列博文第三篇，我是侯小啾。✨博客主页：云雀编程小
感悟：首先，anaconda的虚拟环境真香！开辟一个新的虚拟环境，很多环境、版本不兼容的问题都不复存在，尤其对复现别人代码的同学很有用。条件：只要安装的版本不超过自己机器的硬件条件，那么就可以安装。步骤：1.确定安装的cuda版本。在虚拟环境中，先用condasearchcudatoolkit--info命令查看源内所有的cuda版本，以及下载地址。下图示例中展红框标出了支持的cuda版本、对应的url地址及一些约束条件。2.下载并安装cuda。找到你想要的且满足自己机器条件的cuda版本，复制url对应的下载链接，cd到你想要的下载目录，用如下代码下载：wget复制的url链接执行如下命令安
通过员工工作年限与工资的对应关系表，找出二者之间的关系，并预测在指定的年限时，工资会有多少。01、训练流程1●场景说明通过员工工作年限与工资的对应关系表，找出二者之间的关系，并预测在指定的年限时，工资会有多少。可以看出，这是一个用工作年限预测工资的简单线性回归问题。
通过员工工作年限与工资的对应关系表，找出二者之间的关系，并预测在指定的年限时，工资会有多少。01、训练流程1●场景说明通过员工工作年限与工资的对应关系表，找出二者之间的关系，并预测在指定的年限时，工资会有多少。可以看出，这是一个用工作年限预测工资的简单线性回归问题。
文章目录1.参考文献1.1.数据集1.2.可复现的代码1.3.YOLO教程1.4.DeepSORT教程1.5.集成软件2.图片预处理-OpenCV2.1.原图2.2.Close运算2.3.Close运算+Sobel算子3.数据集制作-labelimg3.1.labelimg标签3.2.img生成txt和xml文件4.目标检测-YOLOv54.1.yolo框架下载4.2.改data-data.yaml4.3.改models-yolo.yaml4.3.1.改网络骨架4.3.2.改anchor框4.4.改utils文件路径4.5.改精度half为float4.6.下载预训练pt文件4.7.yolo训
目录1、背景2、错误分析（1）路径错误（2）加上延时（3）读取完最后一帧错误3、修改4、总结1、背景在对着教程下载并配置好OpenCV后，想要读取一个视频试试看，就试着运行了下面一段代码：#include#include#includeusingnamespacecv;usingnamespacestd;intmain(){ Matsrc; VideoCapturevideo(0); video.open("E://BaiduNetdiskDownload//1234567.mp4"); while(1) { video>>src; imshow("1",src); } return0;}
