杰诚网站建设,百度小说搜索风云榜排名,购物网页版,wordpress修改主题页面我们可以使用生活中的一些案例来实现我们这个小测试，例如，高速的违规拍照、行人流量自动检测系统，还有安全识别检测，如果晚上有陌生人考经，则将灯对准那个人或打开警报系统。
然后我使用一些算法为我的模型生成训练数据以准确检测敌人。
测试环境： i7–7700k CPU 和 Nv…我们可以使用生活中的一些案例来实现我们这个小测试，例如，高速的违规拍照、行人流量自动检测系统，还有安全识别检测，如果晚上有陌生人考经，则将灯对准那个人或打开警报系统。
然后我使用一些算法为我的模型生成训练数据以准确检测敌人。
测试环境： i7–7700k CPU 和 Nvidia 1080TI GPU 操作系统 Windows 10 CUDA 10.1 cuDNN v7.6.5 TensorRT-6.0.1.5 Tensorflow-GPU 2.3.1 这里建议在Ubuntu系统测试，因为在 Ubuntu 上运行 TensorRT 比在 Windows 10 上运行要容易得多（后面才发现的） 首先必须安装TensorFlow、Python 3、Cuda、Cudnn等包，准备TensorFlow环境。
其次，还要下载Steam和CSGO。
下载玩 Steam 和 CSGO 后，我们需要下载训练好的模型库。我已经压缩了我训练好的模型，并将其放入 checkpoints 文件夹中。
现在，一切准备就绪。
我的yolov3/configs.py文件已经配置为自定义训练对象检测，input_size值为 416。
然后运行。
YOLO_INPUT_SIZE如果你需要更高的准确性，你可以更改
