自己做网站需要填税表吗wpf算是网站开发吗

pingmian/2025/10/11 19:40:24/文章来源:
自己做网站需要填税表吗,wpf算是网站开发吗,深圳做网站推广的公司哪家好,网页设计的就业和发展前景文章目录 1. 创建数据集文件结构数据集标注脚本分割数据集转换数据格式 2. 配置文件2.1 数据集配置2.2 选择需要的模型 3. 模型训练4. 测试 1. 创建数据集 环境#xff1a; Ultralytics YOLOv8.0.230 #x1f680; Python-3.8.18 torch-2.3.0.dev20231226cu118 CUDA:0 (NVIDI… 文章目录 1. 创建数据集文件结构数据集标注脚本分割数据集转换数据格式 2. 配置文件2.1 数据集配置2.2 选择需要的模型 3. 模型训练4. 测试 1. 创建数据集 环境 Ultralytics YOLOv8.0.230 Python-3.8.18 torch-2.3.0.dev20231226cu118 CUDA:0 (NVIDIA GeForce RTX 3060 Laptop GPU, 6144MiB) 文件结构 mydata – dataSet # 保存自动生成train.txtval.txttest.txt和trainval.txt四个文件存放训练集、验证集、测试集图片的名字 – images # 存放待训练的图片 – labels # 标注工具生成文件 – xml # 存放图片的xml文件 – run # 训练结果 split_train_val.py # 分割数据集的脚本 voc_label.py # 转换成yolo_txt格式供yolo训练 数据集标注 采用labelImg工具进行标注网上可以直接搜到 open dir 选择images文件夹change save dir 选择labels文件夹create rectbox 进行框选save 保存 脚本分割数据集 脚本分割训练集、验证集、测试集split_train_val.py代码如下 # coding:utf-8import os import random import argparseparser argparse.ArgumentParser() # xml文件的地址根据自己的数据进行修改 xml一般存放在Annotations下 parser.add_argument(--xml_path, defaultxml, typestr, helpinput xml label path) # 数据集的划分地址选择自己数据下的ImageSets/Main parser.add_argument(--txt_path, defaultdataSet, typestr, helpoutput txt label path) opt parser.parse_args()trainval_percent 1.0 train_percent 0.9 xmlfilepath opt.xml_path txtsavepath opt.txt_path total_xml os.listdir(xmlfilepath) if not os.path.exists(txtsavepath):os.makedirs(txtsavepath)num len(total_xml) list_index range(num) tv int(num * trainval_percent) tr int(tv * train_percent) trainval random.sample(list_index, tv) train random.sample(trainval, tr)file_trainval open(txtsavepath /trainval.txt, w) file_test open(txtsavepath /test.txt, w) file_train open(txtsavepath /train.txt, w) file_val open(txtsavepath /val.txt, w)for i in list_index:name total_xml[i][:-4] \nif i in trainval:file_trainval.write(name)if i in train:file_train.write(name)else:file_val.write(name)else:file_test.write(name)file_trainval.close() file_train.close() file_val.close() file_test.close()运行代码后在dataSet 文件夹下生成下面四个txt文档 转换数据格式 将labelImage标注的xml文件转化为yolov8训练所需要的yolo_txt格式。即将每个xml标注提取bbox信息为txt格式每个图像对应一个txt文件文件每一行为一个目标的信息包括class, x_center, y_center, width, height格式。 yolo_txt的格式如下 创建voc_label.py文件将训练集、验证集、测试集生成label标签训练中要用到同时将数据集路径导入txt文件中。 这里出现问题基本都是文件路径设置的不对可以自行检查下 代码内容如下 # -*- coding: utf-8 -*- import xml.etree.ElementTree as ET import os from os import getcwdsets [train, val, test] classes [receiver, laser] # 改成自己的类别 abs_path os.getcwd() print(abs_path)def convert(size, box):dw 1. / (size[0])dh 1. / (size[1])x (box[0] box[1]) / 2.0 - 1y (box[2] box[3]) / 2.0 - 1w box[1] - box[0]h box[3] - box[2]x x * dww w * dwy y * dhh h * dhreturn x, y, w, hdef convert_annotation(image_id):in_file open(xml/%s.xml % (image_id), encodingUTF-8)out_file open(labels/%s.txt % (image_id), w)tree ET.parse(in_file)root tree.getroot()size root.find(size)w int(size.find(width).text)h int(size.find(height).text)for obj in root.iter(object):difficult obj.find(difficult).text#difficult obj.find(Difficult).textcls obj.find(name).textif cls not in classes or int(difficult) 1:continuecls_id classes.index(cls)xmlbox obj.find(bndbox)b (float(xmlbox.find(xmin).text), float(xmlbox.find(xmax).text), float(xmlbox.find(ymin).text),float(xmlbox.find(ymax).text))b1, b2, b3, b4 b# 标注越界修正if b2 w:b2 wif b4 h:b4 hb (b1, b2, b3, b4)bb convert((w, h), b)out_file.write(str(cls_id) .join([str(a) for a in bb]) \n)wd getcwd() for image_set in sets:if not os.path.exists(labels/):os.makedirs(labels/)image_ids open(dataSet/%s.txt % (image_set)).read().strip().split()list_file open(paper_data/%s.txt % (image_set), w)for image_id in image_ids:list_file.write(abs_path /images/%s.jpg\n % (image_id))convert_annotation(image_id)list_file.close()2. 配置文件 2.1 数据集配置 在mydata文件夹下新建一个mydata.yaml文件用来存放训练集和验证集的划分文件train.txt和val.txt。 这两个文件是通过运行voc_label.py代码生成的然后是目标的类别数目和具体类别列表。 这里最好用绝对路径我用相对路径报错了不知为什么。 mydata.yaml内容如下 2.2 选择需要的模型 在ultralytics/models/v8/目录下是模型的配置文件这边提供s、m、l、x版本逐渐增大随着架构的增大训练时间也是逐渐增大. 假设采用yolov8m.yaml只用修改一个参数把nc改成自己的类别数,需要取整可选 如下 3. 模型训练 在YOLOv8的GitHub开源网址上下载对应版本的模型 https://github.com/ultralytics/assets/releases 接下来就可以开始训练模型了我的显卡只有6G显存所以用的m模型batch也只开到8。具体命令如下 yolo taskdetect modetrain modelyolov8m.yaml datamydata.yaml epochs1000 batch8以上参数解释如下 task选择任务类型可选[‘detect’, ‘segment’, ‘classify’, ‘init’]mode: 选择是训练、验证还是预测的任务蕾西 可选[‘train’, ‘val’, ‘predict’]model: 选择yolov8不同的模型配置文件可选yolov8s.yaml、yolov8m.yaml、yolov8l.yaml、yolov8x.yamldata: 选择生成的数据集配置文件epochs指的就是训练过程中整个数据集将被迭代多少次,显卡不行你就调小点。batch一次看完多少张图片才进行权重更新梯度下降的mini-batch,显卡不行你就调小点。 训练过程如下所示 训练差不多了会提前结束并保存最好的模型 4. 测试 可以直接用电脑摄像头测放个代码 import cv2 import sys import time import numpy as np from ultralytics import YOLO # 加载模型 model YOLO(path/to/best.pt) # 载入自定义模型# 视频路径 #video_path test.mp4 video_path cap cv2.VideoCapture(0) # 更改数字切换不同的摄像头# loop while cap.isOpened():success, frame cap.read()if success:start time.perf_counter()# Run YOLOv8 inference on the frameresults model(frame)end time.perf_counter()total_time end - startfps 1 / total_time# visualize the results on the frameannotated_frame results[0].plot()# display the annotated framecv2.imshow(YOLOv8 Inference:, annotated_frame)# Break the loop if q is pressedif cv2.waitKey(1) 0xFF ord(q):breakelse:# Break the loop if the end of the video is reachedbreak# Release the video capture object and close the display windows cap.release() cv2.destroyAllWindows() # 检测视频 results model.track(sourcevideo_path, conf0.75, showTrue, saveTrue) # 这里只框选置信度0.75以上的目标

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/88618.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

做淘客一定要建网站吗免费的视频网站如何赚钱

多元正态均值检验 一、去年卖出的一岁牛犊的平均身高为 51 英寸,平均背脂厚度是 0.3 英寸,平均肩高是 56 英寸。已知今年卖出的 76 头一岁牛犊的 3 项平均指标为(50, 0.2, 54)‘,样本协差阵及其逆矩阵为 S [ 3.00 − 0.053 2.97 − 0.053 0…

网站黏度沈阳网站企业

简介 【毕设源码推荐 javaweb 项目】基于springbootvue 的 适用于计算机类毕业设计,课程设计参考与学习用途。仅供学习参考, 不得用于商业或者非法用途,否则,一切后果请用户自负。 看运行截图看 第五章 第四章 获取资料方式 **项…

建设项目试运行备案申请网站茂民网站建设

通用属性 属性描述android:id用于为视图指定唯一的标识符。android:layout_width用于指定视图的宽度。android:layout_height用于指定视图的高度。android:layout_margin用于指定视图周围的空白区域。android:layout_padding用于指定视图内部的填充区域。android:background用…

如何设计服装网站首页昆明做网站的旅行社

拓展阅读 Devops-01-devops 是什么? Devops-02-Jpom 简而轻的低侵入式在线构建、自动部署、日常运维、项目监控软件 代码质量管理 SonarQube-01-入门介绍 项目管理平台-01-jira 入门介绍 缺陷跟踪管理系统,为针对缺陷管理、任务追踪和项目管理的商业…

做网站推广好吗中核二三公司最新招聘

开篇语大概是去年就想做这个事情了,奈何当时卡到一个docker命令找不到的问题上,导致文章难产了,墨迹了这么久,终于又有空来捣鼓它了。目的我们要实现的目的是我本地不断提交代码(CI),然后服务器不断进行部署(CD)的一个简单流程。准…

广州建网站自助建站系统军事最新军事新闻视频

sock_stream 是有保障的(即能保证数据正确传送到对方)面向连接的SOCKET,多用于资料(如文件)传送。 sock_dgram 是无保障的面向消息的socket , 主要用于在网络上发广播信息。 SOCK_STREAM是基于TCP的,数据传输比较有保障。SOCK_DGRAM是基于U…

做救助流浪动物网站的产生背景福州seo结算

Vue.js初学者和前端开发人员使用,网课、培训机构与大中专院校的教学用书 作者简介 张益珲 美国亚利桑那州立大学计算机工程技术硕士,架构师,从业近10年,多年大前端开发经验,曾就职于知名上市公司,主导开发…

找兼职做网站建设池州做网站培训

标头 darshan-parser 输出的开头显示了有关作业的总体信息的摘要。还可以使用–perf、–file或–total命令行选项生成其他作业级别摘要信息。 darshan log version:Darshan 日志文件的内部版本号。compression method:压缩方法。exe:生成日志…

微网站开发程序用wordpress

大家都知道,slow query系统做的好不好,直接决定了解决slow query的效率问题 一个数据库管理平台,拥有一个好的slow query系统,基本上就拥有了解锁性能问题的钥匙 但是今天主要分享的并不是平台,而是在平台中看到的奇…

mip网站怎么做匹配dw网站制作的一般流程

前言 最近在研究程序随系统启动,发现在 win7 上因为权限的问题,写注册表的时候总是会出现问题,写不进去导致的不能自动启动,随后决定仔细的看一看这方面的问题。 查资料过程中主要发现有三种方式可以添加到启动,分别…

天津 网站备案无锡网站建设服务公司

1. 隐马尔可夫模型 机器学习最重要的任务是根据已观察到的证据(例如训练样本)对感兴趣的未知变量(例如类别标 记)进行估计和推测。概率模型(probabilistic model)提供了一种描述框架,将描述任…

用thinksns做的网站遵义酷虎网站开发

Linux上创建一个LVM卷组,将多个物理卷添加到卷组中使用 目录1.列出当前系统中所有的块设备信息,包括磁盘、分区、逻辑卷等2.对磁盘进行分区操作3.创建了一个名为 vg_data 的卷组4.将物理卷添加到已经存在的卷组5.在卷组中创建一个逻辑卷6.查看已创建的 L…

上海专业网站建站青岛手机网站建设电话

CCIE-LAB-第四篇-OSPFv2+SHA384+BFD 实际中,思科只会给你5个小时去做下面的全部配置 这个是CCIE-LAB的拓扑图 问题 本次修改设备为sw101.sw102.sw201.sw202 问题描述 1:启动OSPFv2,保证邻居关系 2.保障认证和完整性,在冗余连接上. DC和HQ要保证OSPF的源数据,

网站更新中上海成品网站

源 | 青塔学术、量子位等颠覆科学出版的“游戏规则”?10月20日,国际著名生物学综合期刊eLife官方宣布了一个重大决定:从2023年1月31日起,所有经过同行评审的文章,eLife都不会作出接受/拒绝的决定,而是直接发布在其网站…

响应式网站建设有哪些好处猎头公司logo

21【算法题】反转链表 题目: 给定单链表的头节点 head ,请反转链表,并返回反转后的链表的头节点。 示例 1: 输入:head = [1,2,3,4,5] 输出:[5,4,3,2,1]示例 2: 输入:head = [1,2] 输出:[2,1]示例 3: 输入:head = [] 输出:[]提示: 链表中节点的数目范围是 [0, 5…

重庆永川微网站建设为什么说新浪的门户网站做的好

预读技术是微软vista和windows7默认开启的程序,原意是增加程序运行和开机速度,但事与愿违,该技术已经变成与UAC几乎一样的垃圾,普通用户建议关闭,原因有:1、程序本身额外增加系统负担,启用就多运…

网页设计跟网站建设qq可以上网

1、id选择器可以为标有特定id的html元素指定特定的样式。 2、选择器以#开头,后跟某id的属性值。 3、class选择器用于描述一组元素的样式,class可以在多个元素使用。 4、类选择器用.选择。 5、指定特定的元素使用class。 6、元素的多个类用空格分开&…

蝙蝠做等级的网站网站建设营销策划书

MySQL删除数据的方式都有哪些? 常用的三种删除方式:通过 delete、truncate、drop 关键字进行删除;这三种都可以用来删除数据,但场景不同。 一、从执行速度上来说 drop > truncate >> DELETE;二、从原理上讲 1、DELET…

物流公司网站建设模板网络营销的网站建设

企业是一家拥有多台大型设备的工厂,这些设备需要定期进行保养和维护,以确保其正常运转。而企业内部员工由于专业知识和技能的不同,需要分工协作才能更好地完成各项工作任务。因此,在设备资产管理方面,如何实现高效、便…

番禺建设网站系统wordpress自定义作者连接

问题:下列哪些属于历史文化资源的特征( ). A、稀缺性 B、脆弱性 C、可再生性 D、多样性 参考答案如图所示