Pycharm Sublime Monokai 配色方案

1、yolov5车辆行人检测，包含yolov5s和yolov5m两种训练好的车辆行人检测权重，在一万多张交通场景行人车辆数据集中训练得到的权重，有pyqt界面，目标类别为person和car 共2个类别，并附5000多张行人车辆检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、pyqt界面可以 检测图片、视频和调用摄像头，有相应的选择项 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码

Pycharm for Mac 快捷键中文版

本资源包含训练集跟测试集

适用于python（PyQt）中scikit-learn的机器学习GUI-原型 该项目的目标是使新手程序员更容易使用机器学习。 这仅适用于提供的成人样本数据。 这是从： : 您将需要scikit-learn，matplotlib和所有其他依赖项才能运行它（numpy，scipy等）。 用'python main.py'运行 请参阅随附的演示文稿（.pdf），以获取对该项目进行的一些分析。

1、yolov5水果新鲜程度检测，包含yolov5s和yolov5m两种训练好的水果好坏检测权重，有pyqt界面，目标类别为apple、bad banana、banana和bad apple 共4个类别，并附有几百张水果新鲜程度检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、pyqt界面可以 检测图片、视频和调用摄像头，有相应的选择项 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码

一个老程序猿要走Pytorch的新路，先搭建一个运行调试环境，踩坑若干若干，那滋味就是一个字=太爽！分享给同路的小伙伴，一些学习成长吧！ 涉及的内容包括： 1.更新显卡驱动GTX1070 CUDA Version：11.6； 2.从官网下载对应版本的 CUDA Toolkit Archive | NVIDIA Developer 3.安装NVIDIA cuDNN 4.安装Anaconda3 5.创建Pytorch_GPU运行的虚拟环境 6.使用清华镜像快速安装PytorchGPU版本 7.IDE安装Pycharm，链接Anaconda环境解释器 8.验证

1、yolov5水果检测，包含yolov5s和yolov5m两种训练好的水果检测权重，有pyqt界面，目标类别为apple、banana和orange 3个类别，并附有几百张水果数据集 2、pyqt界面可以 检测图片、视频和调用摄像头，有相应的选择项 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码

jetbrains-agent.jar

Csdn上上传的代码都是完整的，大家也可以下载其他项目练手，丰富自己的简历也不错。 博客演示地址：https://blog.csdn.net/qq_34904125/article/details/124913192 其他小项目完整代码： https://blog.csdn.net/qq_34904125?type=download 算法部分 本次是口罩目标检测 数据集原图放在009yolov4口罩目标检测识别\dataset\JPEGImages路径下， 对应的xml标签放在009yolov4口罩目标检测识别\dataset\Annotations路径下。 打标签所使用的工具是labelimg工具。 数据集放好后，代码依次运行 python 01create_txt.py 会在本地生成train.txt文本 里面存放的是图片路径和对应的标签。 python 02train.py 会训练得到模型，模型自动保存在weights文件夹下。 python 03predict.py 可以对单张图片进行识别口罩 04pyqt界面.py 展示可视化的qt界面