Anaconda

软硬件环境 ubuntu 18.04 64bit anaconda with 3.7 nvidia gtx 1070Ti cuda 10.1 pytorch 1.5 YOLOv5 前言 YOLOv4 还没有退热， YOLOv5 就已经来了！ 6月9日， Ultralytics 公司开源了 YOLOv5 ，离上一次 YOLOv4 发布不到50天，不过这一次的 YOLOv5 是基于 PyTorch 实现的，而不是之前版本的 darknet ！ 根据官方给出的数字， YOLOv5 的速度最快可以达到每秒140帧（ FPS ），但是权重文件只有 YOLOv4 的1/9，而且准确度更高。本次的发布的 YOLOv5 并不是一个单独的模型，而是一个模型家族，包括了 YOLOv5s 、 YOLOv5m 、 YOLOv5l 、 YOLOv5x ，要求 Python 3.7和 PyTorch 1.5以上版本。 关于 YOLOv5 这个版本，大家可以看看知乎中的讨论，链接放在文末的参考资料中 安装GPU环境 请参考之前的文章 ubuntu安装cuda windows 10安装cuda和cudnn 安装pytorch的GPU版本 来到官网 https://pytorch.org/get-started/locally/，根据自己的环境，进行选择，网站会给出相应的安装命令。我这里的环境是 linux 、

作者 | Aakash 来源 | Medium 编辑 | 代码医生团队 什么是分类问题？ 对对象进行分类就是将其分配给特定的类别。这本质上是一个分类问题是什么，即将输入数据从一组这样的类别，也称为类分配到预定义的类别。 机器学习中的分类问题示例包括：识别手写数字，区分垃圾邮件和非垃圾邮件或 识别核中的不同蛋白质 。 https://www.kaggle.com/c/jovian-pytorch-z2g 使用的数据集 为了演示分类问题的工作原理，将使用 UrbanSound8K数据集 。该数据集包括 10 种类别的城市声音：空调，汽车喇叭，儿童游戏，狗吠，钻探， enginge_idling ， gun_shot ，手提钻，警笛和 street_music 。 https://urbansounddataset.weebly.com/urbansound8k.html 目的是将数据提供给模型（目前可以将其视为黑匣子），并确定模型预测的准确性。 数据集的结构 该数据集可以作为压缩包使用，大小约为 5.6GB 。与某些机器学习数据集不同，此特定数据集中的音频数据与元数据文件夹一起存在于 10 个不同的文件夹中，元数据文件夹包含名为“ UrbanSound8K.csv ”的文件。 D:\DL\ZEROTOGANS\06-URBAN8K-CLASSIFICATION\DATA

点击上方“ 计算机视觉cv ”即可“进入公众号” 重磅干货第一时间送达 计算机视觉cv 【 导读 】Keras是一个由Python编写的开源人工神经网络库，可以作为Tensorflow、和Theano的高阶应用程序接口，进行深度学习模型的设计、调试、评估、应用和可视化。本系列将教你如何从零开始学Keras，从搭建神经网络到项目实战，手把手教你精通Keras。相关内容参考《Python深度学习》这本书。 初识神经网络   我们先来看一个具体的神经网络示例，使用 Python 的 Keras 库来学习手写数字分类。如果你没用过 Keras或类似的库，可能无法立刻搞懂这个例子中的全部内容。甚至你可能还没有安装 Keras。没关系，可以看个例子先感受下。   我们这里要解决的问题是，将手写数字的灰度图像（28 像素×28 像素）划分到 10 个类别 中（0~9）。我们将使用 MNIST 数据集，它是机器学习领域的一个经典数据集，其历史几乎和这 个领域一样长，而且已被人们深入研究。这个数据集包含 60 000 张训练图像和 10 000 张测试图 像，由美国国家标准与技术研究院（National Institute of Standards and Technology，即 MNIST 中 的 NIST）在 20 世纪 80 年代收集得到。你可以将“解决”MNIST 问题看作深度学习的

conda 创建环境 conda 可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与 pip 的使用类似，环境管理则允许用户方便地安装不同版本的 python 并可以快速切换。 conda 的设计理念—— conda 将几乎所有的工具、第三方包都当做 package 对待，甚至包括 python 和 conda 自身；Anaconda 则是一个打包的集合，里面预装好了conda、某个版本的 python、众多 packages、科学计算工具等等。 首先在所在系统中安装 Anaconda。可以打开命令行输入 conda -V 检验是否安装以及当前 conda 的版本。 conda常用的命令。 conda list 查看安装了哪些包。 conda env list 或 conda info -e 查看当前存在哪些虚拟环境 conda update conda 检查更新当前 conda 创建 Python 虚拟环境。 使用 conda create -n your_env_name python=X.X（2.7、3.6等） anaconda 命令创建 python 版本为 X.X、名字为 your_env_name 的虚拟环境。 your_env_name 文件可以在 Anaconda 安装目录 envs 文件下找到。 # 指定 python 版本为3.6.5