4.4 模型的导出和预测

dida-cv 2023-05-02 13:03:27

课时名称	课时知识点
4.4 模型的导出和预测	导出是指将训练好的模型保存为文件或格式，以便在其他应用或平台上使用。预测是指使用已经训练好的模型对新的数据进行推断或分类等操作。

...全文

105 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

pmml-lightgbm-example-executable-1.4-SNAPSHOT.jar。 lightgbm模型转pmml文件，可用于java程序调用，实现在线打分功能。看网站上有人定价为付费，于是开出积分版本，赚点积分，谢谢支持使用方法: 1. 生产模型基础文件：python环境下模型训练完后, model.booser_.save_model('model.txt') 2. 转pmml: java -jar "pmml-lightgbm-example-executable-1.4-SNAPSHOT.jar" --lgbm-input lgb_model.txt --pmml-output lgb_model.pmml 没有积分的同学可以自行参考：https://blog.csdn.net/nchkchy/article/details/123364126

pdf版本，详细的EASE4.0中文教程

第一篇 MATLAB入门篇　第1章 MATLAB概述　　1.1 MATLAB的产生与发展　　1.2 MATLAB的优势与特点　　1.3 MATLAB系统的构成　　1.4 MATLAB桌面操作环境　　　1.4.1 MATLAB启动和退出　　　1.4.2 MATLAB主菜单及功能　　　1.4.3 MATLAB命令窗口　　　1.4.4 MATLAB工作空间　　　1.4.5 M文件编辑/调试器　　　1.4.6 图形窗口　　　1.4.7 MATLAB文件管理　　　1.4.8 MATLAB帮助　　1.5 MATLAB的工具箱　　1.6 小结　第2章 MATLAB计算基础　　2.1 MATLAB数值类型　　2.2 关系运算和逻辑运算　　2.3 矩阵及其运算　　　2.3.1 矩阵的创建　　　2.3.2 矩阵的运算　　2.4 复数及其运算　　　2.4.1 复数表示　　　2.4.2 复数绘图　　　2.4.3 复数操作函数　　2.5 符号运算　　　2.5.1 符号运算概述　　　2.5.2 常用的符号运算　　2.6 小结　第3章 MATLAB绘图入门　　3.1 MATLAB中绘图的基本步骤　 3.2 在工作空间直接绘图　　3.3 利用绘图函数绘图　　　3.3.1 二维图形　　　3.3.2 三维图形　　3.4 图形的修饰　　3.5 小结　第4章 MATLAB编程入门　　4.1 MATLAB编程概述　　4.2 MATLAB程序设计原则　　4.3 M文件　　4.4 MATLAB程序流程控制　　4.5 MATLAB中的函数及调用　　　4.5.1 函数类型　　　4.5.2 函数参数传递　　4.6 函数句柄　　4.7 MATLAB程序调试　　　4.7.1 常见程序错误　　　4.7.2 调试方法　　　4.7.3 调试工具　　　4.7.4 M文件分析工具　　　4.7.5 Profiler分析工具　　4.8 MATLAB程序设计技巧　　　4.8.1 嵌套计算　　　4.8.2 循环计算　　　4.8.3 使用例外处理机制　　　4.8.4 使用全局变量　　　4.8.5 通过varargin传递参数　　4.9 小结　第5章 Simulink仿真入门　　5.1 Simulink仿真概述　　　5.1.1 Simulink的启动与退出　　　5.1.2 Simulink模块库　　5.2 Simulink仿真模型及仿真过程　　5.3 Simulink模块的处理　　　5.3.1 Simulink模块参数设置　　　5.3.2 Simulink模块基本操作　　　5.3.3 Simulink模块连接　　5.4 Simulink仿真设置　　　5.4.1 仿真器参数设置　　　5.4.2 工作空间数据导入/导出　　　5.4.2 设置　　5.5 Simulink仿真举例　　5.6 小结第二篇神经网络提高篇　第6章 MATLAB神经网络工具箱概述　第7章 MATLAB神经网络GUI工具　第8章感知器神经网络　第9章线性神经网络　第10章 BP神经网络　第11章径向基神经网络　第12章自组织神经网络　第13章反馈神经网络第三篇神经网络综合实战篇　第14章神经网络优化　第15章神经网络控制　第16章神经网络故障诊断　第17章神经网络预测　第18章 Simulink中的神经网络设计　第19章自定义神经网络附录A 工具箱函数列表参考文献

下表详细介绍了将YOLO 模型导出为不同格式时可用的配置和选项。这些设置对于优化导出模型的性能、大小以及在不同平台和环境中的兼容性至关重要。动态输入尺寸允许导出的模型处理不同的图像尺寸，为不同的使用案例提供灵活性并优化处理效率。在导出为ONNX 或TensorRT 等格式时，启用动态输入尺寸可确保模型能无缝适应不同的输入形状。YOLOv8 导出到TensorRT 的模型速度最高可达GPU 的 5 倍，是实时推理应用的理想选择。INT8 量化是压缩模型和加快推理速度的绝佳方法，尤其是在边缘设备上。

特点：ONNX 是一种用于表示神经网络模型的开放标准格式，它旨在提供一个统一的中间表示，使得不同的深度学习框架（如 PyTorch、TensorFlow 等）能够方便地进行模型转换和互操作性。ONNX 支持多种常见的神经网络层和操作符，并且可以记录模型的结构、参数以及输入输出规范。它具有良好的跨平台性，可以在不同的硬件和操作系统上运行。适用场景：当需要在不同深度学习框架之间迁移模型时，ONNX 是首选格式。

视觉King的课程社区_NO_1

2

社区成员

25

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章