阿里云高校计划视觉AI五天训练营教程 Day 2 - 身份证识别系统搭建
2020-11-28
501
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
实战讲述如何使用阿里云视觉平台API快速开发在线视觉AI平台，主要如何为如何搭建身份证识别系统，进而扩展到其他的识别系统。
相关文章
|
3月前
|
JSON
人工智能
数据格式
AI计算机视觉笔记二十六：YOLOV8自训练关键点检测
本文档详细记录了使用YOLOv8训练关键点检测模型的过程。首先通过清华源安装YOLOv8，并验证安装。接着通过示例权重文件与测试图片`bus.jpg`演示预测流程。为准备训练数据，文档介绍了如何使用`labelme`标注工具进行关键点标注，并提供了一个Python脚本`labelme2yolo.py`将标注结果从JSON格式转换为YOLO所需的TXT格式。随后，通过Jupyter Notebook可视化标注结果确保准确性。最后，文档展示了如何组织数据集目录结构，并提供了训练与测试代码示例，包括配置文件`smoke.yaml`及训练脚本`train.py`，帮助读者完成自定义模型的训练与评估。
526
2
2
|
4天前
|
机器学习/深度学习
存储
人工智能
【AI系统】感知量化训练 QAT
本文介绍感知量化训练（QAT）流程，旨在减少神经网络从FP32量化至INT8时的精度损失。通过在模型中插入伪量化节点（FakeQuant）模拟量化误差，并在训练中最小化这些误差，使模型适应量化环境。文章还探讨了伪量化节点的作用、正向与反向传播处理、TensorRT中的QAT模型高效推理，以及QAT与PTQ的对比，提供了实践技巧，如从良好校准的PTQ模型开始、采用余弦退火学习率计划等。
25
2
2
|
4天前
|
机器学习/深度学习
存储
人工智能
【AI系统】训练后量化与部署
本文详细介绍了训练后量化技术，涵盖动态和静态量化方法，旨在将模型权重和激活从浮点数转换为整数，以优化模型大小和推理速度。通过KL散度等校准方法和量化粒度控制，文章探讨了如何平衡模型精度与性能，同时提供了端侧量化推理部署的具体实现步骤和技术技巧。
22
1
1
|
3天前
|
人工智能
PyTorch
测试技术
【AI系统】并行训练基本介绍
分布式训练通过将任务分配至多个节点，显著提升模型训练效率与精度。本文聚焦PyTorch2.0中的分布式训练技术，涵盖数据并行、模型并行及混合并行等策略，以及DDP、RPC等核心组件的应用，旨在帮助开发者针对不同场景选择最合适的训练方式，实现高效的大模型训练。
31
8
9
|
13天前
|
机器学习/深度学习
存储
人工智能
【AI系统】谷歌 TPU v2 训练芯片
2017年，谷歌推出TPU v2，专为神经网络训练设计，标志着从推理转向训练的重大转变。TPU v2引入多项创新，包括Vector Memory、Vector Unit、MXU及HBM内存，以应对训练中数据并行、计算复杂度高等挑战。其高效互联技术构建了TPU v2超级计算机，显著提升大规模模型训练的效率和性能。
28
0
0
|
2月前
|
Python
机器学习/深度学习
人工智能
手把手教你从零开始构建并训练你的第一个强化学习智能体：深入浅出Agent项目实战，带你体验编程与AI结合的乐趣
【10月更文挑战第1天】本文通过构建一个简单的强化学习环境，演示了如何创建和训练智能体以完成特定任务。我们使用Python、OpenAI Gym和PyTorch搭建了一个基础的智能体，使其学会在CartPole-v1环境中保持杆子不倒。文中详细介绍了环境设置、神经网络构建及训练过程。此实战案例有助于理解智能体的工作原理及基本训练方法，为更复杂应用奠定基础。首先需安装必要库：
```bash
pip install gym torch
```
接着定义环境并与之交互，实现智能体的训练。通过多个回合的试错学习，智能体逐步优化其策略。这一过程虽从基础做起，但为后续研究提供了良好起点。
168
4
4
|
2月前
|
机器学习/深度学习
人工智能
数据挖掘
阿里云云工开物助力高校的高校计划有什么用
阿里云“云工开物”高校计划旨在推动云计算技术在高校的普及与应用，通过提供云计算资源、算力支持、在线学习平台、开发者社区及数据科学竞赛等，帮助大学生提升实践能力和创新思维，培养更多创新型人才，促进校企合作。
225
2
2
|
3月前
|
机器学习/深度学习
人工智能
数据挖掘
|
3月前
|
人工智能
开发工具
计算机视觉
AI计算机视觉笔记三十：yolov8_obb旋转框训练
本文介绍了如何使用AUTODL环境搭建YOLOv8-obb的训练流程。首先创建虚拟环境并激活，然后通过指定清华源安装ultralytics库。接着下载YOLOv8源码，并使用指定命令开始训练，过程中可能会下载yolov8n.pt文件。训练完成后，可使用相应命令进行预测测试。
241
4
4
|
3月前
|
人工智能
测试技术
PyTorch
AI计算机视觉笔记二十四：YOLOP 训练+测试+模型评估
本文介绍了通过正点原子的ATK-3568了解并实现YOLOP（You Only Look Once for Panoptic Driving Perception）的过程，包括训练、测试、转换为ONNX格式及在ONNX Runtime上的部署。YOLOP由华中科技大学团队于2021年发布，可在Jetson TX2上达到23FPS，实现了目标检测、可行驶区域分割和车道线检测的多任务学习。文章详细记录了环境搭建、训练数据准备、模型转换和测试等步骤，并解决了ONNX转换过程中的问题。
88
3
3
热门文章
最新文章
1
10月阿里云高校计划精品训练营来了！超强实践机会和满满干货等你拿
2
【第二期开放预约】 阿里云高校计划7天实践训练营
3
阿里云高校计划第二日快速搭docker环境
4
2023云栖大会 | 阿里云高校计划，助力高校科研与教育加速，让每位中国在校大学生真实受益于普惠算力
5
阿里云高校计划视觉AI五天训练营 Day04 学习笔记
6
高校计划ESC7天训练营-安装Docker环境
7
阿里云高校计划视觉AI五天训练营 Day01 学习笔记
8
阿里云高校计划，助力学子学习！
9
阿里云高校计划视觉AI五天训练营教程 Day 2 - 身份证识别系统搭建
10
阿里云高校计划视觉AI五天训练营 Day 1
1
AI回答总不满意？你的提问方式可能完全错误！
384
2
AI工具-标注工具labelme
363
3
[译][AI OpenAI-doc] 安全最佳实践
96
4
构建高效AI系统：深度学习优化技术解析
605
5
构建未来：AI在持续学习系统中的创新应用
106
6
LabVIEW将视觉生成器AI用作OPC服务器
67
7
AI信任危机之后，揭秘预训练如何塑造机器的可信灵魂
60
8
[译][AI OpenAI-doc] 生产最佳实践
62
9
体验AI驱动的软件开发 | 普元低代码社区版使用
90
10
首款 AI Native IDE Framework，OpenSumi 3.0 正式发布！
724