深耕AI-CSDN博客

原创 mmdetection模型使用mmdeploy部署在windows上的c++部署流程【详细全面版】

当使用mmdetection训练好了模型，并且完成了模型转换。如何进行c++模型部署？

2024-04-11 13:33:59 859 3

原创【C++】流程控制语句：跳转语句之Break

在C++编程语言中，流程控制不仅包括循环和条件分支，还包括一类特别重要的语句——跳转语句。这类语句允许程序在执行过程中“打破”常规流程，转而执行其他位置的代码。C++提供了四种跳转语句：break、continue、goto 以及 return。本文将重点探讨break语句的用法及其在不同场景下的作用。

2024-04-08 14:32:10 396

原创 C++流程控制语句：嵌套循环案例分析【九九乘法表】

在C++编程中，循环语句的嵌套是一种常见且强大的技术手段，它允许我们将多个循环结构相互嵌套，形成多维循环。不论是for循环、while循环还是do…while循环，均可以进行嵌套。而在实践中，由于for循环具有明确的循环变量初始化、条件判断和更新机制，因此在嵌套循环中，for循环尤为常用。本文将以制作九九乘法表为例，展示如何利用双重for循环实现二维结构的输出。

2024-04-08 10:46:21 328

原创生物专业成功转行IT行业！！！【干货分享】

对于没有任何相关背景知识的人来说，只要你下定了决心【10头驴都拉不回来那种】，是绝对可以成功转行到IT行业的！！！

2024-04-08 09:31:26 937

原创 C++强制类型转换【通俗易懂版】

C++编程中，类型转换是一项常见的操作。其中，除了编译器自动完成的隐式类型转换外，还有程序员显式指定的强制类型转换。我们来探讨一下，强制类型转换的场景、经典案例以及不同风格的转换方法。

2024-04-02 13:29:52 471

原创【函数修改的重要问题】想要增加C++函数返回值，选择结构体？OR 额外参数？

作为一个程序员，我们经常会遇到这样的情况：别人写的C++项目，需要我们来进行 ”修改，或者增加功能“。怎么选择呢？

2024-03-28 10:02:20 415

原创 C++中的凸包：convexHull使用手册【c++重要方法】

c++凸如何使用？来看看！

2024-03-26 09:56:15 634

原创 Qt Design Studio各个组件怎么用？【长期更新】

在Qt Design Studio中的各个组件~

2024-03-26 08:46:15 413

原创 Qt Design Studio 软件怎么用（详细+通俗+有趣）

Qt Design Studio 软件的使用

2024-03-25 14:29:29 1408

原创如何联合Qt，VS，C++，来开发一个电脑版软件（简单有趣，详细）

联合Qt，VS，C++，来开发一个电脑版软件

2024-03-25 14:00:02 1067

原创报错(-215:Assertion failed) !buf.empty() in function ‘imdecode_‘【已解决】

【代码】报错(-215:Assertion failed)!buf.empty() in function ‘imdecode_‘，是因为图像损坏检测一下是哪个坏了。

2023-08-30 15:52:24 1220

原创 Ubuntu系统迁移到另一台电脑

一以A电脑的系统向B电脑迁移为例。

2023-06-07 15:54:41 2102

原创调节屏幕亮度【Ubuntu实用技能】

Ubuntu系统下的屏幕亮度太刺眼，如何调节？

2023-06-06 12:40:22 4220

原创【Linux多机多卡训练步骤三】两台Linux直连网线加快数据传输

在上述命令的输出中，查找与您使用的物理接口（例如网线连接的接口）相关的条目，然后将其名称替换为sudo ip link set dev <interface_name> down和sudo ip link set dev <interface_name> up命令中的<interface_name>部分。检查网络管理器设置：点击右上角的网络图标，选择"编辑连接"或"网络设置"。如果以上操作还是不行，那么，就还需要一步，点击右上角的优先设置，手动配置一下ipv4的地址和子网掩码。就可以ping通了！

2023-06-05 14:58:51 1870

原创【Linux多机多卡训练步骤四】训练过程中的报错

训练过程中，如果报错如下：[2023/06/05 10:56:42] ppcls INFO: [Train][Epoch 1/200][Iter: 0/151]lr(CosineAnnealingDecay): 0.00100000, top1: 0.03125, top5: 1.00000, CELoss: 1.79536, loss: 1.79536, batch_cost: 35.73629s, reader_cost: 0.38432, ips: 0.89545 samples/s, eta: 1

2023-06-05 12:21:27 671

原创 Linux上的多机多卡训练【重要原则】

总之，就是尽可能保证所有参与训练的数据和环境，要一致。

2023-06-05 12:14:09 141

原创【Ubuntu系统安装中文输入法】

在Ubuntu系统中，无论是写文档还是在程序中写注释，都经常需要用到中文输入法。本文简单介绍了三种输入法框架，然后详细介绍了在Ubuntu 20.04系统中，IBus框架和Fcitx框架支持的中文输入法的配置和安装。

2023-06-05 10:03:59 3213

原创【Linux多机多卡训练步骤二】使用正确的命令

启动之后，只有主机出现训练log，但是，发现了一个现象，就是训练速度太慢了，比单独的一块显卡还要慢。这里，没有指定用那个显卡，但是使用nvidia-smi命令，就会发现：默认是启动了所有显卡。

2023-06-02 17:50:28 167

原创 .condarc文件内容

【代码】.condarc文件内容。

2023-06-02 11:58:45 582

原创使用tkinter和pyinstaller可视化python界面并打包python程序

icon.ico，放到工作目录【work_project】_dir中。pip install pyinstaller（必选）编写带有tkinter的python程序。找到一个图片，后缀改为.ico。运行dist目录下的exe程序。

2023-04-21 09:23:57 444

原创 ubuntu中，启动了conda环境后，如何换源？

说明pip配置文件在用户目录下的.pip/pip.conf文件中。现在你可以使用pip命令从阿里云镜像源下载包了。这将把pip源更改为阿里云镜像源。打开终端，激活conda环境。保存并关闭pip配置文件。

2023-04-20 13:01:20 2945

原创 ubuntu下打开终端没有进入conda环境如何解决

在进行Python开发的时候我们无可避免的使用Anaconda这一集成工具，但是在安装的时候我们我们需要明确很多注意点，才能放心的将我们的Python Module交给它来管理。先去下载bash文件下载完成后进行安装，记住一定要在普通权限下进行安装比如你在/home/ty 下下载有.sh文件，直接进入这个目录执行以下指令就好。如果提醒为权限不够需要进root的话，那可能是你安装的时候安装到/root目录下去了，这时候我的建议是卸载掉你现有的Anaconda,重新安装。具体的操作很简单进入root权限。

2023-04-20 10:40:54 793

原创【使用paddle在linux双显卡报错 NVIDIA-NCCL2 is not installed correctly on your system】

之后，再次检查，就会发现，成功解决了！

2023-04-11 17:15:51 747

原创【linux安装paddlepaddle报错没有gpu】

安装完成后，使用 python3 进入 python 解释器，输入import paddle，报错。

2023-04-11 16:30:37 352

原创【ubuntu查看显卡、配置显卡、cuda、cudnn】

首先检查系统是否有支持 CUDA 编程的 GPU。可使用第一个命令: nvidia-smi找不到命令 “nvidia-smi”，但可以通过以下软件包安装它：这个提示是第一种方法，第二种方法是：点击“附加驱动”，选择对应版本的驱动。然后点击应用更改，等待安装即可。安装完成后重启。再次运行nvidia-smi，就会看到：|=注意，以上步骤，只是安装了显卡驱动。

2023-04-11 16:28:13 5694

原创错误记录-2023-4

greet()

2023-04-07 10:34:38 444

原创 linux上的无线网卡灯不亮

makeEnjoy!

2023-04-07 10:03:17 711

原创 nano记录分享111

Jetson nano配置全记录 - 日常生活分享

2022-06-06 14:35:59 83

原创 jupyterlab安装汉化版+安装自动补全提示Kite

anaconda安装汉化版+安装自动补全提示Kite步骤1：conda启动某个环境步骤2：执行以下命令pip install jupyterlab-language-pack-zh-CN步骤3：安装KITEhttps://www.kite.com/download/（网址，下载后打开软件）步骤3：执行以下命令pip install "jupyterlab-kite>=2.0.2"...

2021-09-12 22:50:49 1116

原创 anaconda 使用 pip 安装的踩坑日记

anaconda 使用 pip 安装的踩坑日记首先，因为要用到tenflow，所以在anaconda中，单独新建了一个名字为“tenflow”的环境，但是在同一个ipynb文件中，导入tenflow库后，再导入matplotlib时，总是报错，但是通过pip list查看环境时，发现已经安装了matplotlib，就很奇怪，后来在“tenflow”这个环境中，单独安装了一下matplotlib就可以使用了。猜测：可能是由于导入tenflow时，会默认切换到tenflow这个环境，而这个环境中没有安装m

2021-09-11 22:57:16 187

原创 pip源修改为国内镜像

pip源修改为国内镜像阿里云http://mirrors.aliyun.com/pypi/simple/中国科技大学https://pypi.mirrors.ustc.edu.cn/simple/豆瓣(douban)http://pypi.douban.com/simple/清华大学https://pypi.tuna.tsinghua.edu.cn/simple/中国科学技术大学http://pypi.mirrors.ustc.edu.cn/simple/临时使用：可以在使用pip的

2021-09-11 18:55:28 119

原创 jupyter notebook和 jupyterlab的快捷启动方式

jupyter notebook和 jupyterlab的快捷启动方式打开终端对于 jupyter notebook对于 jupyterlab打开终端ctrl+R，输入cmd回车对于 jupyter notebookjupyter notebook对于 jupyterlabpython -m jupyterlab完成启动！

2021-09-11 09:34:50 730

转载 APU、CPU、GPU、SoC傻傻分不清楚？

APU、CPU、GPU、SoC傻傻分不清楚？其实芯片是一个很笼统的概念，简单来说就是集成电路的载体。不只是我们常听到的CPU和手机上的SoC属于芯片，还有电脑上的内存条也是由一个个小芯片组合而成的，只不过放在内存条上叫做颗粒。虽然同为芯片但不同芯片的功能却完全不同，更不能混用，因此很多人搞不懂什么是CPU、GPU和APU，智能手机出现后SoC这个词也让人摸不到头脑，今天就给大家详细区分一下它们之间的差别，以方便大家在以后选购的时候能够读懂配置表。 Part 1..

2021-04-05 13:15:47 5816

转载什么是TensorRT？？？

1 什么是TensorRT一般的深度学习项目，训练时为了加快速度，会使用多GPU分布式训练。但在部署推理时，为了降低成本，往往使用单个GPU机器甚至嵌入式平台（比如 NVIDIA Jetson）进行部署，部署端也要有与训练时相同的深度学习环境，如caffe，TensorFlow等。由于训练的网络模型可能会很大（比如，inception，resnet等），参数很多，而且部署端的机器性能存在差异，就会导致推理速度慢，延迟高。这对于那些高实时性的应用场合是致命的，比如自动驾驶要求实时目标检测，目标追踪等。所以

2021-04-05 12:52:31 1446

转载 GET和POST两种基本请求方法的区别

GET和POST两种基本请求方法的区别 GET和POST是HTTP请求的两种基本方法，要说它们的区别，接触过WEB开发的人都能说出一二。表单提交中get和post方式的区别有5点1.get是从服务器上获取数据，post是向服务器传送数据。2.get是把参数数据队列加到提交表单的ACTION属性所指的URL中，值和表单内各个字段一一对应，在URL中可以看到。post是通过HTTPpost机制，将表单内各个字段与其内容放置在HTML HEADER内一起传送到ACTION属性所指的UR..

2021-02-26 17:37:59 91

原创图片的通道数和卷积核的深度

卷积过程中，输入层有多少个通道，卷积核就要有多少个通道，但是卷积核的数量是任意的，卷积核的数量决定了卷积后 featuremap 的通道数（与result区别）。　　如果把输入当做一个立方体的话，那么 filter 也是一个立方体，它们卷积的结果也是一个立方体，并且上面中 input、filter、Result 的通道都是一致的。但卷积过程的最后一步要包括生成 feature，很简单，将 Result 各个通道对应坐标的值相加就生成了 feature，相当于将多维的 Result 压缩成了 2 ..

2021-02-22 17:01:09 669

原创 linux下安装pycharm社区版

废话不多说，下来开始我们伟大的航海之路首先我们得有pycharm的安装包https://www.jetbrains.com/pycharm/download/#section=linux 看好了，下载的是windows还是linux。linux的安装包是以.tar.gz格式。下载的东西在home目录下的下载里面放着，英文的在home目录下的Downloads里解压命令：tar -zxvf pycharm-professional-2018.2.5.tar.gz 下来就修.

2021-02-14 10:54:15 1368

原创如何在Linux 图形界面复制文件夹的绝对路径

按 ctrl+ L显示文件路径

2021-02-14 10:40:24 526

原创 vim /etc 写入时出现 E121:无法打开并写入文件

解决方案：1. 保存的时候用:w !sudo tee %2. 输入密码，即可

2021-02-14 10:11:16 1273

2024最新版交规+pdf+驾照考试+科目1+科目3

该资源是2024年最新版本的交通法规资料包，以PDF形式呈现，专门针对驾照考试中的科目一和科目三部分。内容摘要主要包括：针对科目一：涵盖了最新的道路交通安全法律法规、基本交通标志标线的认知、驾驶理论知识、行车安全文明驾驶规定等，适用于参加科目一理论考试的学习者，帮助他们系统掌握必备的道路交通安全知识，确保考试顺利过关。针对科目三：详细介绍了安全文明驾驶操作要求、道路驾驶技能考核要点、实际道路驾驶中的各种情景应对措施等，适用于科目三路考的学员，旨在提升驾驶技能，确保在真实道路环境中安全、规范地驾驶车辆。适用人群包括但不限于： 1. 准备参加2024年驾照考试的所有学员，无论初次申领驾照还是增驾换证。 2. 驾驶培训机构的教练员和讲师，用于教授最新的交通法规和驾驶技巧。 3. 对交通法规有学习需求的社会公众，以及需要更新法规知识的在职驾驶员。适用场景包括： - 驾校培训课程中的理论学习环节。 - 自主复习迎考的过程，尤其是在家或在线学习时作为参考资料。 - 教育部门、交通管理部门开展法规宣教活动时使用的教材。目标是： - 提高学员的安全驾驶意识和遵守交通法规的习

2024-04-17

mmdetection实例分割+cpp预测代码+mmdeploy部署+windows系统

mmdetection模型使用mmdeploy部署在windows上的c++部署流程【详细全面版】中的cpp源码

2024-04-11

循环神经网络（3份PPT，94页，含每一页的讲稿）+概述+长短期记忆网络+编码器和解码器+负荷预测代码实战含指导+练习题

【资源介绍】这套循环神经网络（RNN）教育资源由四部分PPT组成，全方位覆盖了循环神经网络的核心知识点。第一部分提供了39页的RNN概述，详细解释了RNN的基本结构、工作原理、特点和优势；第二部分深入探讨了长短期记忆网络（LSTM），通过30页的内容剖析了LSTM的设计思路、梯度消失问题的解决机制以及在序列数据处理中的应用；第三部分涉及编码器-解码器结构，通过25页篇幅详细解读了序列到序列（seq2seq）模型在机器翻译、文本生成等任务中的作用与实现方式。还包含自我检测的练习题。此外，该资源还包括负荷预测的具体代码实例与实践指导，使得学习者能够将理论知识直接应用于实际问题。【适用对象】这套资源适用于对深度学习特别是循环神经网络领域感兴趣的学生、教师、研究人员以及相关行业的数据科学家和工程师，旨在帮助他们系统学习RNN的各个方面，掌握基于RNN的复杂序列数据建模和预测技术，并能够在实际工作中灵活应用这些技术解决实际问题。

2024-04-08

ppt插件+素材库+iSlide-6.3.2.1免安装版

【资源介绍】iSlide-6.3.2.1免安装版是一款便捷高效的PPT插件工具，集成了丰富的素材【适用人群】于频繁制作PPT演示文稿的办公人士、教育工作者、设计师以及市场营销人员等，尤其适合对PPT制作效率和美观度有较高要求的用户群体。在多种场景下，如商务汇报、教育培训、产品展示、会议演讲等场合，iSlide能够帮助用户快速美化和标准化PPT设计，通过内置的38个设计辅助功能、超30万+原创可商用PPT模板、海量素材资源以及智能排版等功能，极大程度上简化PPT创作流程，提升作品质量和工作效率。【目标】是使非专业设计师也能轻松打造出专业级的PPT演示文档。

2024-04-03

《预训练模型》+NLP核心知识点+课件+PPT详细备注（讲义）+Transformer+Bert+Attention+发展历史

【资源介绍】这份《预训练模型》NLP核心知识点资源集包含了丰富的课件PPT、详细讲义注释，专注于讲解Transformer、BERT等革命性预训练模型在自然语言处理（NLP）领域中的应用与发展历程，特别强调了Attention机制这一核心技术。【适用人群】广泛，既面向NLP领域的大学生、研究生以及研究者，也适合于对预训练模型感兴趣的工业界工程师和技术爱好者。【适用场景】包括课堂教学、学术研讨、技能培训以及个人深入学习探究。【目标】是帮助学习者透彻理解预训练模型的基本原理、演变历史和实际应用，培养他们在NLP项目中有效利用预训练模型解决实际问题的能力。

2024-04-02

人工智能+1+X计算机视觉+150道选择题+试题+答案

【资源介绍】该资源是一份包含150道选择题的人工智能+1+X计算机视觉专项练习题集，配套详尽的答案解析，专为学习人工智能和计算机视觉技术的学生、教育工作者以及从业者设计。【适用人群】包括但不限于职业技术教育体系内的学员、高等院校人工智能及相关专业的学生，以及正在准备职业技能认证或想要深入理解计算机视觉理论与应用的广大技术人员。【适用场景】包括课堂学习、自学自测、证书备考和企业内部培训等。【资源目标】该资源旨在通过系统性的习题演练，帮助用户巩固计算机视觉的基础知识、算法原理以及实际应用场景，提升解决复杂视觉问题的能力，从而更好地适应AI领域的工作需求。

2024-04-02

知识图谱（教材+课件+项目）+概述+技术点+图数据库+python项目实战

【内容概述】这套全面的知识图谱资源汇集了教材、课件与实战项目，系统性地介绍了知识图谱的基本概念、技术要点及其在图数据库上的实现。内容覆盖了从知识图谱构建、存储、查询到应用的全过程，深入探讨了关键技术点如实体抽取、关系推理、图数据库原理及Python在知识图谱项目实战中的运用。【适用人群】包括大数据、人工智能、知识工程等相关领域的学生、教师、研究者以及企业开发者，无论是理论学习、课堂教学还是项目实施都十分适用。【达成目标】在于帮助用户系统掌握知识图谱构建技术，提升基于图数据库的实际项目开发与应用能力。

2024-04-01

自然语言处理+paddle+智能政务问答系统+课件ppt+代码

【内容摘要】这套自然语言处理（NLP）资源基于PaddlePaddle深度学习框架，专注于智能政务问答系统的搭建与实现。内容包含了详细的PPT课件讲解，以及从模型构建到系统部署的完整代码实现，涵盖了自然语言理解、对话系统设计、知识图谱应用等相关技术。【适用人群】主要是对NLP和深度学习有浓厚兴趣的技术研发人员，以及从事政务服务、智能客服系统建设的行业从业者；同时也适用于高校师生作为教学与实践参考。【适用场景】主要包括政务服务平台智能化升级、企业智能客服系统构建等。【资源目标】是通过理论结合实践的方式，帮助用户掌握如何运用PaddlePaddle构建高效的智能政务问答系统，提升政务服务效率与用户体验。

2024-03-29

python+3套练习题+初学者自我检验+考试资源

【内容摘要】这3套Python学习资源包含3套针对性的编程练习题，专为初学者设计，旨在通过实战练习进行自我检验和能力提升。【适用人群】主要涵盖Python入门学习者、高校计算机及相关专业学生、以及希望系统性学习Python编程的自学者。适用场景包括课堂学习后的课后作业、自学过程中的阶段性测试、备考计算机等级考试或技术面试前的复习准备等。【核心目标】通过不同难度级别的练习题目，帮助初学者巩固基础语法、数据结构、函数使用等基础知识，并逐步过渡到实际问题解决，提高编程逻辑思维及动手实践能力。

2024-03-29

NLP资源+词向量与语言模型+代码+ppt课件

【内容摘要】这套NLP资源着重于词向量表示与语言模型的相关理论与实践，内含详尽的PPT教学课件和实战代码示例。【适用人群】主要为对自然语言处理技术感兴趣的学生、教师、研究者以及相关领域的开发者，尤其适合初学者深化理解和进阶者提升技能。【适用场景】包括但不限于机器翻译、情感分析、语义搜索、聊天机器人开发等领域。资源的目标是帮助用户掌握词向量的构建原理（如Word2Vec、GloVe等），理解并应用语言模型（如n-gram、RNN、Transformer等）进行文本生成与预测任务，从而全面提升其在NLP项目中的问题解决能力和技术研发实力。

2024-03-29

NLP+词法分析+jieba+命名实体识别+关键词提取+NLP课件ppt+代码

【内容摘要】这份NLP相关资源集合涵盖了词法分析、中文分词工具jieba的应用、命名实体识别技术，以及关键词提取方法等内容，并配以PPT课件和实际代码示例，【适用人群】适用于学习和实践自然语言处理（NLP）的人员，包括在校学生、科研人员及工业界开发工程师等。【适用场景和目标】通过这套资源，学习者能够掌握利用jieba进行高效分词和关键词抽取，以及识别文本中的命名实体如人名、地名、组织机构名等核心技术。适用场景广泛，比如文本挖掘、信息检索、舆情分析、智能问答系统构建等，旨在帮助使用者提升对中文文本数据的处理与理解能力，从而在各自的项目中实现更精准的自然语言处理任务。

2024-03-28

人工智能+python+AI模型训练+LableMe标注+数据集自动划分+项目文档

【内容摘要】项目文档：lableMe标注的分割数据划分训练集和测试集【适用人群】AI模型训练（图像分类/分割）【适用场景】当我们用lableMe标注好了文件后，一般需要对已标注数据集进行有效划分的需求，确保训练过程的准确性以及测试结果的公正性。通过该项目文档的工具，可以根据特定比例（如70%训练集，30%测试集）或自定义规则将大规模LabelMe JSON格式的标注文件分配到相应的集合中，实现自动化且可复现的分割过程。【目标】其效果体现为，经过处理后，项目会得到结构清晰、相互独立的训练数据和测试数据集，从而有利于模型的训练、优化及最终性能验证，对于提升整个图像分割模型的研发效率和质量至关重要。

2024-03-28

python项目文档：批量统计labelme标注的json文件中类别数

这个项目的出发点是：针对LabelMe标注工具生成的大量JSON标注文件设计的一个批处理执行程序，用于统计不同类别在标注数据集中出现的次数。用户只需运行该exe文件，指定包含多个LabelMe JSON文件的目录，程序即可自动遍历所有文件，解析其中标注的类别信息，并汇总统计各类别的数量。其效果表现为输出一份清晰的类别统计报告或者可视化图表，便于用户快速了解数据集的类别分布情况，对于训练深度学习模型时选择或平衡样本数据极为有用。

2024-03-26

labelme标注的json文件imgPath统一

一个EXE应用程序，它可以自动化地遍历指定目录下的所有标注JSON文件，并将其中的imagePath字段从绝对路径修改为仅包含图像文件名（假设图像文件和JSON文件同名且位于同一目录下）。使用背景：在计算机视觉或者机器学习项目中，尤其是涉及到图像标注时，像LabelMe这样的工具生成的标注文件通常会记录图像的绝对路径。然而，在模型训练时读取数据的过程，我们需要imagePath是文件名。输入：JSON文件中imagePath字段是类似于 "D:/dataset/images/image1.jpg" 的绝对路径。处理：该软件自动执行批处理，查找每个JSON文件，并将其内部的imagePath字段替换为 "image1.jpg"。输出：经过处理后的JSON文件，其imagePath字段只包含了图像文件的名字，不再包含任何盘符、目录路径信息。

2024-03-25

批量统计labelme标注的json文件中类别数

使用背景：在计算机视觉和深度学习项目中，特别是在训练目标检测或语义分割模型时，LabelMe是一个常用的图像标注工具，它可以输出包含图像各个对象位置、形状及类别的JSON文件。当您有大量的标注数据集时，手动统计各个类别的数量不仅耗时，而且容易出错。因此，一个批量统计工具应运而生，旨在高效地遍历整个文件集合，解析JSON内容，并汇总各类别出现的次数。预期效果：该软件的主要效果包括：自动化处理：用户只需指定包含LabelMe JSON标注文件的目录，软件自动读取并解析所有文件。类别统计：逐个解析JSON文件中的“shapes”部分，根据“label”字段记录每种类别的数量。输出报告：最终，软件能够输出一份详细的统计报告，展示每个类别的总数或其他相关统计数据。

2024-03-25

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

2024最新版交规+pdf+驾照考试+科目1+科目3

mmdetection实例分割+cpp预测代码+mmdeploy部署+windows系统

循环神经网络（3份PPT，94页，含每一页的讲稿）+概述+长短期记忆网络+编码器和解码器+负荷预测代码实战含指导+练习题

ppt插件+素材库+iSlide-6.3.2.1免安装版

《预训练模型》+NLP核心知识点+课件+PPT详细备注（讲义）+Transformer+Bert+Attention+发展历史

人工智能+1+X计算机视觉+150道选择题+试题+答案

知识图谱（教材+课件+项目）+概述+技术点+图数据库+python项目实战

自然语言处理+paddle+智能政务问答系统+课件ppt+代码

python+3套练习题+初学者自我检验+考试资源

NLP资源+词向量与语言模型+代码+ppt课件

NLP+词法分析+jieba+命名实体识别+关键词提取+NLP课件ppt+代码

人工智能+python+AI模型训练+LableMe标注+数据集自动划分+项目文档

python项目文档：批量统计labelme标注的json文件中类别数

labelme标注的json文件imgPath统一

批量统计labelme标注的json文件中类别数

删除labelme标注的json文件中小于4个点围成的多边形

小工具+文件批量处理+python+目录名称转换

lableme2coco.exe

空空如也