V
主页
3.1 项目动力
发布人
原书信息:清华大学出版社-图书详情-《TensorFlow+Android经典模型从理论到实战(微课视频版)》 http://www.tup.tsinghua.edu.cn/booksCenter/book_09703501.html 第3章 EfficientDet与美食场景检测 当你读完第3章时,你应该能够: l 熟悉和理解美食数据集的结构特点。 l 了解解决目标检测问题的技术路线。 l 掌握一种为数据集做标签的方法。 l 理解掌握EfficientDet-D0~D7模型的体系结构与工作原理。 l 基于TFLite Model Maker做迁移学习。 l 基于TFLite Task Library在Android上部署TFLite模型。 l 基于mAP指标评价目标检测模型。 l 民以食为天,即刻拥有在美食领域干事创业的冲动与梦想。
打开封面
下载高清视频
观看高清视频
视频下载器
6.9 配置项目依赖
2.6 MobileNetV3解析
9.4 数据集与特征提取
2.5 MobileNetV2解析
2.12 新建Android项目
7.1 项目动力
仅用60行Numpy代码就实现了GPT,连OpenAI首席科学家Karpathy都点赞了!
2.13 Android项目配置
4.1 项目动力
2.3 Wireshark过滤器
6.7 数据集分析
【北京大学】Tensorflow2.0入门到实战55集全套教程
2.11 添加TFLite模型元数据
2.15 为什么使用卷积?
5.1 项目动力
2.12 定义池化层
3.25 制作HDF5数据集
1.2 技术路线
3.5 EfficientDet解析
2.9 三维卷积
2.10 MobileNetV3-Lite版
1.6 离群值
3.4 定义数据集
3.11 新建Android项目
2.8 卷积步长
2.6 卷积运算
3.12 反向传播
2.22 模型评估
TensorFlow+Android经典模型从理论到实战(微课视频版)
2.13 经典结构LeNet-5
3.22 Inception卷积网络
7.6 人脸数据采集
3.6 EfficientDet-Lite预训练模型
6.9 客户机与服务器通信逻辑
3.13 Android逻辑设计
8.5 基因增强子
1.2 训练集观察
2.17 小结
6.12 新建Android项目
1.13 数据集划分与标准化