YOLOV7-OBB:You Only Look Once OBB旋转目标检测模型在pytorch当中的实现
2024-04-10 15:46:18 5.77MB pytorch pytorch 目标检测
1
flink-kafka-hbase 功能:实现kafka消息实时落地hbase,支持csv/json字符串两种格式的消息,支持自定义组合rowkey,列簇和列名,支持按照kafka消息流中不同字段join不同的hbase表,并自定义写入列簇和列(join时需评估一下性能) 支持at least once语义 外部依赖:apollo配置中心,本项目依靠配置驱动,配置存储在apollo配置中心 配置: { "indexColumnMapping": { --indexColumnMapping即CSV格式消息的key和value按照value里的分隔符拼接后再分割后下标及写入hbase列的对应关系 "0": "basic:time", --第0列始终是kafka消息的key,如果不需要可以不指定 "1": "basic:user_id",
2023-01-30 14:24:41 35KB kafka apollo hbase flink
1
详细介绍#pragma once用法,对于初学者可以学习一下
2022-08-03 11:17:24 12KB #pragma once
1
图片来自unsplash 导读:Kafka 是一个分布式消息队列,具有高性能、持久化、多副本备份、横向扩展能力。生产者往队列里写消息,消费者从队列里取消息进行业务逻辑。一般在架构设计中起到解耦、削峰、异步处理的作用。 Kafka 对外使用 Topic 的概念,生产者往 Topic 里写消息,消费者从中读消息。为了做到水平扩展,一个 Topic 实际是由多个 Partition 组成的,遇到瓶颈时,可以通过增加 Partition 的数量来进行横向扩容。单个 Parition 内是保证消息有序。 每新写一条消息,Kafka 就是在对应的文件 append 写,所以性能非常高。 Kafka 的总体
2022-06-22 17:06:30 823KB kafka offset once
1
You Only Look Once 论文
2022-05-07 23:35:38 1.03MB yolo 深度识别 训练
1
官方离线安装包,测试可用。使用rpm -ivh [rpm完整包名] 进行安装
2022-01-03 21:02:05 6KB rpm
Flink 整合 Kafka 基本步骤,请参考:Flink 基础整合 Kafka。本文仅用来介绍 Flink 整合 Kafka 实现 Exactly-Once。 1.什么是Exactly-Once        恰好处理一次的意思。不管在处理的时候是否有异常发生,计算的结果都一样。即使在发现机器或者软件故障时,都不会出现数据丢失以及重复处理的情况。(就是每条数据只会被处理一次)        Flink 中哪些 Source 、Sink支持 Exactly-Once 呢,Flink官方文档(链接)为我们做了描述。如下图所示: Source: Sink:        我们发现很多都是 a
2021-11-26 14:29:24 524KB act c ce
1
这是一个YoloV4-pytorch的源码,可以用于训练自己的模型。 YOLOV4:You Only Look Once目标检测模型在pytorch当中的实现 目录 实现的内容 Achievement 所需环境 Environment 注意事项 Attention 小技巧的设置 TricksSet 文件下载 Download 预测步骤 How2predict 训练步骤 How2train 参考资料 Reference 实现的内容 主干特征提取网络:DarkNet53 => CSPDarkNet53 特征金字塔:SPP,PAN 训练用到的小技巧:Mosaic数据增强、Label Smoothing平滑、CIOU、学习率余弦退火衰减 激活函数:使用Mish激活函数 ……balabla 所需环境 torch==1.2.0 注意事项 代码中的yolo4_weights.pth是基于608x608的图片训练的,但是由于显存原因。我将代码中的图片大小修改成了416x416。有需要的可以修改回来。 代码中的默认anchors是基于608x608的图片的。
2021-11-01 16:05:50 5.32MB Python Deep Learning
1
约洛夫5 由TensorFlow2实现的YoloV5,支持培训,评估和推断。 目前尚不完善的项目,但我会继续改进,因此您可能希望观看/加注此仓库以进行重新访问。 任何贡献都受到高度欢迎 主要特征 纯tensorflow2最小Yolov5 yaml文件配置模型 定制数据培训 镶嵌数据扩充 通过锚的iou或wh比编码标签 阳性样本增加 多GPU训练 详细的代码注释 充满弊端,还有巨大的改进空间 用法 克隆和安装要求 $ git clone git@github.com:LongxingTan/Yolov5.git $ cd Yolov5/ $ pip install -r requirements.txt 下载VOC $ bash data/scripts/get_voc.sh $ cd yolo $ python dataset/prepare_data.py 火车 $ python
1
###Angular 服务调用一次 API ####第一个调用者调用API,后续调用者从内存中读取 来自博客文章: : $ 咕噜声构建 $ 节点服务器/app.js 转到: 或者使用 Heroku 部署:
2021-07-23 14:03:30 11KB JavaScript
1