MMEdu
latest
关于MMEdu
MMEdu的故事
开发和维护团队
版本更新记录
MMEdu大事记
快速入门
MMEdu简介
MMEdu安装
体验MMEdu
训练AI模型
部署AI应用
进阶教程
MMEdu的目录详解
MMEdu的模块概述
图像分类模块:MMClassification
物体检测模块:MMDetection
自定义网络模块:MMBase
MMEdu的数据集格式详解
内置工具
数据集标注工具
Web库PyWebIO简介
MQTT库siot简介
开源硬件库pinpong简介
Web库Flask简介
在线课程和创意项目
项目:设计“石头剪刀布”陪玩机器人
课程:神经网络和计算机视觉实验
课程:走进万物智联的世界
项目:电路符号识别小助手
资源获取和问题解答
常见问题解答
预训练模型和权重文件下载
数据集下载
GPU版本的手动安装
深度学习知识库
深度学习训练参数详解
经典数据集介绍
图片分类模型MobileNet
图片分类模型LeNet-5
MMEdu
»
欢迎您使用MMEdu!
在 GitHub 上修改
MMEdu帮助文档
更多资讯请转至
XEdu
文档。
欢迎您使用MMEdu!
关于MMEdu
MMEdu的故事
1.MMEdu的缘起
2.为什么要开发MMEdu
3.对MMEdu的期望
开发和维护团队
1.项目策划
2.算法团队
3.课程团队
4.测试团队
版本更新记录
1.正式版
2.测试版
MMEdu大事记
快速入门
MMEdu简介
1.MMEdu是什么?
2.MMEdu和常见AI框架的比较
MMEdu安装
1.使用一键安装包
2.使用Git工具手动部署
体验MMEdu
1.运行Demo代码
2.体验快速入门课程
3.MMEdu的基本代码风格
训练AI模型
部署AI应用
1.准备工作
2.借助OpenCV识别摄像头画面
3.借助PyWebIO部署Web应用
4.连接开源硬件开发智能作品
进阶教程
MMEdu的目录详解
MMEdu目录:
checkpoints目录:
dataset目录:
demo目录:
HowToStart目录:
tools目录:
visualization目录:
MMEdu的模块概述
图像分类模块:MMClassification
简介
使用说明
物体检测模块:MMDetection
简介
使用说明
自定义网络模块:MMBase
0.引入包
1.声明模型
2.载入数据
3.搭建模型
4.模型训练
5.使用现有模型直接推理
6.输出推理结果
7.模型的保存与加载
8.查看模型结构
附录
MMEdu的数据集格式详解
1.ImageNet
2.COCO
内置工具
数据集标注工具
Web库PyWebIO简介
1.简介
2. 安装
3. 代码示例
4. 借助PyWebIO部署简易AI应用
MQTT库siot简介
1.简介
2.安装
3.代码范例
4. 借助siot部署智联网应用
开源硬件库pinpong简介
1.简介
2.安装
3.代码示例
4. 借助pinpong开发智能作品
Web库Flask简介
1.简介
2.安装
3.代码示例
4. 借助Flask部署智能应用
在线课程和创意项目
项目:设计“石头剪刀布”陪玩机器人
课程:神经网络和计算机视觉实验
课程:走进万物智联的世界
项目:电路符号识别小助手
资源获取和问题解答
常见问题解答
预训练模型和权重文件下载
数据集下载
GPU版本的手动安装
深度学习知识库
深度学习训练参数详解
经典数据集介绍
图片分类模型MobileNet
介绍
特点:深度可分离卷积
特点:Linear Bottleneck
网络结构
优点
使用领域
参考文献
图片分类模型LeNet-5
简介
网络结构
优点
适用领域
参考文献
Indices and tables
索引
模块索引
搜索页面
Read the Docs
v: latest
版本列表
latest
下载链接
pdf
html
epub
托管于 Read the Docs
项目首页
构建