阿里云文档 2025-07-07

在DLC中使用EPL实现训练加速

EPL(Easy Parallel Library)是高效易用的分布式模型训练框架,深度集成多种训练优化技术,提供了简单易用的API实现各种并行化策略。您可以使用EPL实现低成本、高性能分布式模型训练。本文为您介绍如何在DLC中使用EPL高效地进行分布式TensorFlow训练。前提条件在开始执行操...

文章 2024-06-13 来自:开发者社区

深度学习实战】行人检测追踪与双向流量计数系统【python源码+Pyqt5界面+数据集+训练代码】YOLOv8、ByteTrack、目标追踪、双向计数、行人检测追踪、过线计数(3)

深度学习实战】行人检测追踪与双向流量计数系统【python源码+Pyqt5界面+数据集+训练代码】YOLOv8、ByteTrack、目标追踪、双向计数、行人检测追踪、过线计数(2)https://developer.aliyun.com/article/1536938 ByteTrack的实现代码如下: ...

深度学习实战】行人检测追踪与双向流量计数系统【python源码+Pyqt5界面+数据集+训练代码】YOLOv8、ByteTrack、目标追踪、双向计数、行人检测追踪、过线计数(3)
文章 2024-06-13 来自:开发者社区

深度学习实战】行人检测追踪与双向流量计数系统【python源码+Pyqt5界面+数据集+训练代码】YOLOv8、ByteTrack、目标追踪、双向计数、行人检测追踪、过线计数(2)

深度学习实战】行人检测追踪与双向流量计数系统【python源码+Pyqt5界面+数据集+训练代码】YOLOv8、ByteTrack、目标追踪、双向计数、行人检测追踪、过线计数(1)https://developer.aliyun.com/article/1536937 2. 数据集准备与训练 通过网络上搜集关于行人的各类图片,并使用LabelImg标注工具对每张图片中的目标边框(...

深度学习实战】行人检测追踪与双向流量计数系统【python源码+Pyqt5界面+数据集+训练代码】YOLOv8、ByteTrack、目标追踪、双向计数、行人检测追踪、过线计数(2)
文章 2024-06-13 来自:开发者社区

深度学习实战】行人检测追踪与双向流量计数系统【python源码+Pyqt5界面+数据集+训练代码】YOLOv8、ByteTrack、目标追踪、双向计数、行人检测追踪、过线计数(1)

前言 行人检测追踪与流量计数系统在城市规划、公共安全和商业分析等多个领域扮演着重要角色。该系统的实施能够提供高精准的行人流量数据,从而帮助城市管理者更好地理解和分析人流动态,预测拥挤情况,并采取适当措施以改善公共空间的使用效率和安全。利用最新的YOLOv8图像识别和ByteTrack跟踪算法,该系统在复杂的城市环境中也能准确地追踪行人流动,并进行有效计数。 行人检测追...

深度学习实战】行人检测追踪与双向流量计数系统【python源码+Pyqt5界面+数据集+训练代码】YOLOv8、ByteTrack、目标追踪、双向计数、行人检测追踪、过线计数(1)
文章 2023-03-21 来自:开发者社区

PyTorch 深度学习实战 |用 TensorFlow 训练神经网络

为了更好地理解神经网络如何解决现实世界中的问题,同时也为了熟悉 TensorFlow 的 API,本篇我们将会做一个有关如何训练神经网络的练习,并以此为例,训练一个类似的神经网络。我们即将看到的神经网络,是一个预训练好的用于对手写体数字(整数)图像进行识别的神经网络,它使用了 MNIST 数据集( http://yann.lecun.com/exdb/mnist/ ),这是一个经常被用于研究模式....

PyTorch 深度学习实战 |用 TensorFlow 训练神经网络
文章 2022-12-13 来自:开发者社区

深度学习实战:tensorflow训练循环神经网络让AI创作出模仿莎士比亚风格的作品

AI创作莎士比亚风格的作品 训练一个循环神经网络模仿莎士比亚FLORIZEL:Should she kneel be?In shall not weep received; unleased meAnd unrespective greeting than dwell in, thee,look’d on me, son in heavenly properly.这是谁写的,莎士比亚还是机器学习....

深度学习实战:tensorflow训练循环神经网络让AI创作出模仿莎士比亚风格的作品
文章 2022-12-08 来自:开发者社区

深度学习入门(4)【深度学习实战】无框架实现两层神经网络的搭建与训练过程

上一篇文章《深度学习入门(3)神经网络参数梯度的计算方式》主要介绍神经网络中的参数梯度是如何计算的。本文将直接使用之前公众号介绍过损失函数、激活函数以及梯度计算直接手动实现一个两层的神经网络训练过程。也许有人会说使用pytorch或者tensorflow框架,几行代码就可以搭建一个神经网络,为什么要自己手动去实现呢?我觉得使用现成框架确实很容易搭建一个神经网络,但是对于其中的计算原理如果不了解的....

深度学习入门(4)【深度学习实战】无框架实现两层神经网络的搭建与训练过程

本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。

产品推荐

智能引擎技术

AI Online Serving,阿里巴巴集团搜推广算法与工程技术的大本营,大数据深度学习时代的创新主场。

+关注