这里我们陈述人脸识别的问题。然后对现有的用于人脸识别的AI库做一个简短的回顾。我们使用Keras FaceNet库。然后我们开发用于人脸识别的Python代码并使用创建的人脸数据库测试算法。

jetpack 4.6.1 jetson xavier nx pytorch

1、imshow展示图像大小随意调整 2、常规图形检测实例 3、检测图形轮廓demo 4、检测多个轮廓取轮廓拟合，取最小能包围住物体的轮廓 5、边缘检测，梯度算法

python红绿灯检测opencv识别红绿灯信号灯检测 效果简介：https://blog.csdn.net/xifenglie123321/article/details/124653316

对Python神经网络编程中的demo进行练习，简单的三层神经网络，是Python神经网络编程学习入门的很好的体验。

opencv_contrib_python-3.4.9.33-cp36-cp36m-manylinux1_x86_64.whl

python基于tensorflow、keraspytorch实现对自然场景的文字检测及端到端的OCR中文文字识别chinese_ocr-master.zip

1. 数据集的获取。 使用SCIKIT-LEARN自带的数据读取函数load_wine()，获取原始葡萄酒数据集。 2. 获取数据集内，样本数目、类别数目，各类样本数目 3. 样本集基本信息获取： (1)获取并输出该数据集的类别信息(含：类别数目，类别名称)； (2)获取数据集的特征数目、特征名称；样本数目、各类别样本数目。 4.样本集的描述统计,获取并输出显示样本集内每个特征的描述性统计指标 包括：均值、标准差、最小值、最大值、第1四分位、第2四分位、第3四分位。 5. 认识每一种特征的分布情况 (1)估计每个特征分布的斜度 (2)以单变量直方图形式可视化样本集关于每个特征取值的分布情况 (3)以单变量密度曲线方式可视化每个特征的分布 6. 了解任意一对特征之间的线性相关程度: (1)估计任意一对特征之间的相关系数，得到相关系数矩阵，并进行可视化； (2)绘制散点矩阵，借助散点矩阵，理解两特征之间的线性相关性 7. 基于箱式图的各特征取值分布的可视化，理解各特征关于不同类别样本的类鉴别特性：针对每个特征，基于原始样本集及其类别信息，在相同的图形窗口，绘制箱型图

这是我自己用pytorch来写的GAN的代码， 代码比较简单，只有一个文件，直接把文件拉进去，然后运行即可。 这里还需要用到MNIS的一个数据集，相关的数据集我已经上传了。 有需要的人可以到我那里去下载。

内涵数据集、Train.py Test.py 以及相应的说明文档。适合新手快速入门ptrorch。