操作教程
数据集与标注
Label Studio
Label Studio / LabelImg 到 YOLO 数据集目录整理教程
从标注文件导出、类别映射、目录规范到训练前校验,整理一套更适合检测项目的数据集准备流程。
聚焦人工智能应用、视觉检测、Flask 工程、Ubuntu 部署与技术资料沉淀的个人技术资源站。
显示 1-7 / 7 条, 第 1 / 1 页,按最近更新时间排序
从标注文件导出、类别映射、目录规范到训练前校验,整理一套更适合检测项目的数据集准备流程。
覆盖驱动确认、CUDA 安装、cuDNN 配置、PyTorch 安装和 GPU 检测步骤,形成一套可重复执行的环境方案。
以内容站为例,从数据准备到列表渲染、详情页输出、搜索分页和 API 返回结构,搭建可直接二次开发的基础框架。
从栅格规划、固定侧栏、导航激活状态和分页样式出发,构建更适合内容型网站的现代化前端布局。
结合学习笔记、实验记录和资源索引三类内容,形成一套更适合长期沉淀和回顾的知识整理方式。
将文章和 PPT 的共通结构抽取出来,统一目录逻辑、配图比例和标题节奏,减少重复整理成本。
从模型导出、精度检查、TensorRT 构建到推理对比,整理一条更贴近落地场景的部署路径。