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
  • »
  • <no title>
  • 在 GitHub 上修改

  • MMEdu简介
    • 1.MMEdu是什么?
    • 2.MMEdu和常见AI框架的比较
      • 1)MMEdu和OpenCV的比较
      • 2)MMEdu和MediaPipe的比较
      • 3)MMEdu和Keras的比较
      • 4)MMEdu和FastAI的比较
  • MMEdu安装
    • 1.使用一键安装包
    • 2.使用Git工具手动部署
      • 1)安装须知
      • 2)安装环境
      • 3)安装相关依赖库
      • 4)安装mm模块
      • 5)查看已安装的模块
  • 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
上一页 下一页

© 版权所有 2022, mmedu. 修订 0688265c.

利用 Sphinx 构建,使用了 主题 由 Read the Docs开发.