- 博客(18)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 Nvidia Jetson Orin NX（三）yolov5部署
下面是调用rtsp摄像头实时检测的代码（没调用gstreamer加速，有需要的可以自行百度，很简单，添加一行代码就ok）。去github里面yolov5里面下载对应版本，一定要对应版本的（如果是v7.0版本的yolov5那就要下v7.0版本的pt文件）tensorrt的包是系统python3自带的，无需安装，可以在python3下import tensorrt试一下。这次就直接以官方训练结果为例，简单介绍一下yolov5在orin nx部署过程，记录一下。之后可以在文件夹内得到yolov5的wts文件。
2023-04-30 21:03:37
2080
4
原创 Nvidia Jetson Orin NX（一）
网上现在有一些orin nx的教程都是用sdkmanager刷系统的，但是不知道为什么我的orin nx用sdkmanager一直是failed。只好去nvidia developer找一些解决办法。折腾了几天，其实并不难，记录一下也供大家学习探讨。所需的软件与文件已上传百度网盘07kg可以先下载下来。百度网盘中存的是35.2.1版本的系统，因为板子买的比较早，装35.3.1的话后面nvidia-jetpack装起来会有问题。等英伟达官方修复了应该就没有问题了，后面大家可以自行更新。
2023-04-17 12:54:37
3148
4
原创 机器学习基础算法（8）
8、K-means 算法8.1 算法简介聚类属于无监督学习，以往的回归、朴素贝叶斯、SVM等都是有类别标签y的，也就是说样例中已经给出了样例的分类。而聚类的样本中却没有给定y，只有特征x，比如假设宇宙中的星星可以表示成三维空间中的点集（x，y，z）。聚类的目的是找到每个样本x潜在的类别y，并将同类别y的样本x放在一起。比如上面的星星，聚类后结果是一个个星团，星团里面的点相互距离比较近，星团间的星星距离就比较远了。8.1.1牧师-村民模型K-means 有一个著名的解释：牧师—村民模型：.
2022-02-27 14:45:20
286
原创 机器学习基础算法（7）
7、逻辑回归（分类算法）7.1 模型介绍Logistic Regression 虽然被称为回归，但其实际上是分类模型，并常用于二分类。Logistic Regression 因其简单、可并行化、可解释强深受工业界喜爱。Logistic 回归的本质是：假设数据服从这个分布，然后使用极大似然估计做参数的估计。7.1.1 Logistic 分布Logistic 分布是一种连续型的概率分布，其分布函数和密度函数分别为：其中，μ 表示位置参数， γ>0为形状参数。我们可以看下其图
2022-02-26 14:20:35
603
原创 机器学习基础算法（6）
6、线性回归6.1 线性回归模型6.1.1 线性回归模型简介线性回归，就是能够用一个直线较为精确地描述数据之间的关系。这样当出现新的数据的时候，就能够预测出一个简单的值。线性回归中最常见的就是房价的问题。一直存在很多房屋面积和房价的数据，如下图所示：在这种情况下，就可以利用线性回归构造出一条直线来近似地描述放假与房屋面积之间的关系，从而就可以根据房屋面积推测出房价。6.1.2线性回归的函数模型事实上，限于机器学习的年轻（相比于数学，统计学，生物学等），机器学习很多的方法都是来自于
2022-02-03 22:45:03
1419
原创 机器学习基础算法（5）
5、决策树5.1 决策树简介5.1.1 决策树概念决策树是一种基本的分类和回归方法，用于分类主要是借助每一个叶子节点对应一种属性判定，通过不断的判定导出最终的决策；用于回归则是用均值函数进行多次二分，用子树中数据的均值进行回归。决策树算法中，主要的步骤有：特征选择，建树，剪枝。接下来将介绍三种典型的决策树算法：ID3，C4.5，CART。5.1.2 优缺点优点：可解释性好，易可视化 ，特征工程中可用特征选择。 样本复杂度O(log(n))，维度灾难。缺点：易过拟合，学习最
2022-01-21 18:34:36
2035
原创 机器学习基础算法（4）
4、分类模型评估4.1 模型评价意义在完成模型构建之后，必须对模型的效果进行评估，根据评估结果来继续调整模型的参数、特征或者算法，以达到满意的结果。评价一个模型最简单也是最常用的指标就是准确率，但是在没有任何前提下使用准确率作为评价指标，准确率往往不能反映一个模型性能的好坏，例如在不平衡的数据集上，正类样本占总数的95%，负类样本占总数的5%；那么有一个模型把所有样本全部判断为正类，该模型也能达到95%的准确率，但是这个模型没有任何的意义。因此，对于一个模型，我们需要从不同的方面去判断它
2022-01-19 18:31:16
503
原创 机器学习基础算法（3）
3、朴素贝叶斯算法贝叶斯学派的思想可以概括为先验概率+数据=后验概率。也就是说我们在实际问题中需要得到的后验概率，可以通过先验概率和数据一起综合得到。数据大家好理解，被频率学派攻击的是先验概率，一般来说先验概率就是我们对于数据所在领域的历史经验，但是这个经验常常难以量化或者模型化，于是贝叶斯学派大胆的假设先验分布的模型，比如正态分布，beta分布等。这个假设一般没有特定的依据，因此一直被频率学派认为很荒谬。虽然难以从严密的数学逻辑里推出贝叶斯学派的逻辑，但是在很多实际应用中，贝叶斯理论很好用，比如垃圾邮
2022-01-19 14:26:07
271
原创 机器学习基础算法（2）
2、分类算法—k-邻近算法分类算法的判定依据：目标值是离散型的2.1 k-邻近算法基本概念、原理及应用k近邻算法是一种基本分类和回归方法。本篇文章只讨论分类问题的k近邻法。K近邻算法，即是给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例，这K个实例的多数属于某个类，就把该输入实例分类到这个类中。（这就类似于现实生活中少数服从多数的思想）根据这个说法，咱们来看下引自维基百科上的一幅图：如上图所示，有两类不同的样本数据，分别用蓝色的小正方形和红色的小三角形表
2022-01-18 14:40:14
366
原创 机器学习基础算法（1）
机器学习基础算法包括以下几种：1、sklearn数据集与估计器1.1 数据集划分1.1.1数据集划分机器学习一般的数据集会划分为两个部分：训练数据：用于训练，构建模型测试数据：在模型检验时使用，用于评估模型是否有效1.1.2数据集划分API介绍sklearn数据集划分API:sklearn.model_selection.train_test_splitsklearn数据集API介绍：1.1.3 获取数据集返回的类型1.2 sklearn分类数据集..
2022-01-16 22:03:59
138
原创 机器学习入门基础（3）
3、机器学习算法分类以及开发流程机器学习中算法是核心，数据和计算是基础。3.1 数据类型分为离散型数据和连续型数据。3.2 机器学习算法分类：监督学习（英语：Supervised learning），可以由输入数据中学 到或建立一个模型，并依此模式推测新的结果。输入数据是由 输入特征值和目标值所组成。函数的输出可以是一个连续的值 （称为回归），或是输出是有限个离散值（称作分类）。无监督学习（英语：Supervised learning），可以由输入数据中 学到或建立一个.
2022-01-14 19:53:59
135
原创 机器学习入门基础（2）
2.4 数据降维降维：维度指的特征的数量数据降维方式：（1）特征选择（2）主成分分析2.4.1 特征选择特征选择原因：冗余：部分特征的相关度高，容易消耗计算性能噪声：部分特征对预测结果有影响sklearn特征选择API：VarianceThreshold语法：2.4.2 主成分分析sklearn主成分分析API：sklearn.decomposition主成分分析语法：机器学习入门基础（一）（二）中的全部代码如下：from s...
2022-01-14 14:18:53
80
原创 机器学习入门基础（1）
该专栏会完整讲述机器学习的基础知识，包括一些基础概念、基础算法以及一些进阶的算法，每次都会更新一点，每一次更新的章节号都是按照一开始的顺序来的，直到这部分内容讲完。在一部分内容完事之后会统一放代码。人工智能、机器学习与深度学习的关系：机器学习是从数据中自动分析获得规律（模型），并利用规律对未知数据进行预测。1、数据集构成机器学习的数据一般存储在文件中，而不是在mysql这种数据库中。可用数据集：常用数据集结构组成：机器学习数据集中的重复值不需要进行处理，不需要进行去.
2022-01-12 20:43:21
388
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人