精品国产一区在线_av无码中文字幕无码王_天海翼三点刺激高潮不停_好硬好大好爽视频_欧美高清一区三区在线专区_香蕉黄色片

[圖片]

[圖片]

[圖片]

[圖片]

[圖片]

[圖片]

[圖片]

再說說樹莓派5是在得捷官網下單購買，國內發貨，幾天就到了，方便快捷

最后測試結果不是太滿意，能識別但是識別率有點低，重新訓練了幾次還是識別率低，不知道是因為我訓練的圖片不是測試相機拍的原因，還是我的流程有問題，后續準備用pytorch和YOLOv5試試，因為是測試，所以實在是不想花太多的時間去標注。總結：之前簡單測試樹莓派4感覺用sd卡速度上跟不上，這次用樹莓派5跑視頻感覺跟機載存儲差別不是很大，雖然有點延遲，但是級別能接受，也可能我顯示的分辨率比較低也有原因

訓練模型代碼：importh5pyimportnumpyasnpfromsklearn.model_selectionimporttrain_test_splitfromkeras.utilsimportto_categoricalimporttensorflowastffromtensorflow.kerasimportlayers,modelsimporttime#Loaddatasetdefload_dataset():  data=h5py.File("dataset/data.h5","r")  X_data=np.array(data['X'])  Y_data=np.array(data['Y'])     X_train,X_test,y_train,y_test=train_test_split(X_data,Y_data,train_size=0.9,test_size=0.1,random_state=22)     X_train=X_train/255. #Normalize  X_test=X_test/255.     y_train=to_categorical(y_train,num_classes=11)  y_test=to_categorical(y_test,num_classes=11)  returnX_train,X_test,y_train,y_test#DefineCNNmodelusingKerasdefcnn_model(input_shape,num_classes):  model=models.Sequential()     #Convolutionallayers  model.add(layers.Conv2D(32,(5,5),activation='relu',input_shape=input_shape))  model.add(layers.MaxPooling2D(pool_size=(2,2)))     model.add(layers.Conv2D(64,(5,5),activation='relu'))  model.add(layers.MaxPooling2D(pool_size=(2,2)))  #Flatten  model.add(layers.Flatten())  model.add(layers.Dense(200,activation='relu'))  model.add(layers.Dropout(0.2)) #Dropoutlayerforregularization  model.add(layers.Dense(num_classes,activation='softmax'))  #Compilemodel  model.compile(optimizer='adam',loss='categorical_crossentropy',metrics=['accuracy'])     returnmodelif__name__=="__main__":  print("Loadingdataset:"+str(time.strftime('%Y-%m-%d%H:%M:%S')))  X_train,X_test,y_train,y_test=load_dataset()     print("Startingtraining:"+str(time.strftime('%Y-%m-%d%H:%M:%S')))     #Definemodel  model=cnn_model(input_shape=(64,64,3),num_classes=11)     #Trainmodel  model.fit(X_train,y_train,epochs=500,batch_size=16,validation_data=(X_test,y_test))     #Savemodel  model.save("model_500_200_c3/cnn_model.keras")