AI 助理
备案控制台
开发者社区 ModelScope模型即服务 文章 正文

Datawhale X 魔搭 AI夏令营task 2笔记

2024-08-14 44
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。
本文涉及的产品
模型在线服务 PAI-EAS，A10/V100等 500元 1个月
推荐场景：
基于PAI-EAS挂载OSS部署AIGC服务
交互式建模 PAI-DSW，5000CU*H 3个月
推荐场景：
AIGC Stable Diffusion文生图Lora模型微调实现虚拟上装
模型训练 PAI-DLC，5000CU*H 3个月
推荐场景：
低代码 Lora 微调及部署
简介： Datawhale X 魔搭 AI夏令营task 2笔记

part1 使用通义千问编写连环剧
这里希望编写一个赛车手日常对车辆进行检修维护，在赛道上奋勇拼搏，最终站上最高领奖台，并于家人朋友共同庆祝的故事。
以下是对通义千问的提问和其回答。
aaa8bf5503dbb13b0b43d720d4f0729.png
668a57928565b45bfa45562d45d5076.png

part2 使用baseline进行AI生图
这部分流程和task1相同，仅需对提示词进行修改即可。
1723601381947.png

part3 生成连环剧图片
在这里，我们得到了最开始想要的连环剧图片。若是对图片不满意，可以通过修改提示词获得新的图片
1 (1).jpg
7 (1).jpg
8 (1).jpg
4 (1).jpg
5 (1).jpg
6 (1).jpg
3 (1).jpg
2 (1).jpg

文章标签：
人工智能
关键词：
AI笔记
AI task笔记
AI夏令营笔记
datawhale AI夏令营
datawhale AI
橙少东
目录
相关文章
1761360321912488
|
3天前
|
人工智能 测试技术 API
AI计算机视觉笔记二十 九：yolov10竹签模型，自动数竹签
本文介绍了如何在AutoDL平台上搭建YOLOv10环境并进行竹签检测与计数。首先从官网下载YOLOv10源码并创建虚拟环境，安装依赖库。接着通过官方模型测试环境是否正常工作。然后下载自定义数据集并配置`mycoco128.yaml`文件，使用`yolo detect train`命令或Python代码进行训练。最后，通过命令行或API调用测试训练结果，并展示竹签计数功能。如需转载，请注明原文出处。
1761360321912488
28 4
1761360321912488
|
3天前
|
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。
1761360321912488
29 2
1761360321912488
|
3天前
|
机器学习/深度学习 人工智能 PyTorch
AI计算机视觉笔记三十二：LPRNet车牌识别
LPRNet是一种基于Pytorch的高性能、轻量级车牌识别框架，适用于中国及其他国家的车牌识别。该网络无需对字符进行预分割，采用端到端的轻量化设计，结合了squeezenet和inception的思想。其创新点在于去除了RNN，仅使用CNN与CTC Loss，并通过特定的卷积模块提取上下文信息。环境配置包括使用CPU开发板和Autodl训练环境。训练和测试过程需搭建虚拟环境并安装相关依赖，执行训练和测试脚本时可能遇到若干错误，需相应调整代码以确保正确运行。使用官方模型可获得较高的识别准确率，自行训练时建议增加训练轮数以提升效果。
1761360321912488
24 4
1761360321912488
|
3天前
|
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。
1761360321912488
18 4
1761360321912488
|
3天前
|
人工智能 并行计算 测试技术
AI计算机视觉笔记三十一：基于UNetMultiLane的多车道线等识别
该项目基于开源数据集 VIL100 实现了 UNetMultiLane，用于多车道线及车道线类型的识别。数据集中标注了六个车道的车道线及其类型。项目详细记录了从环境搭建到模型训练与测试的全过程，并提供了在 CPU 上进行训练和 ONNX 转换的代码示例。训练过程约需 4 小时完成 50 个 epoch。此外，还实现了视频检测功能，可在视频中实时识别车道线及其类型。
1761360321912488
15 3
1761360321912488
|
3天前
|
传感器 人工智能 算法
AI计算机视觉笔记二十七：YOLOV8实现目标追踪
本文介绍了使用YOLOv8实现人员检测与追踪的方法。通过为每个人员分配唯一ID，实现持续追踪，并可统计人数，适用于小区或办公楼出入管理。首先解释了目标检测与追踪的区别，接着详细描述了使用匈牙利算法和卡尔曼滤波实现目标关联的过程。文章提供了基于IOU实现追踪的具体步骤，包括环境搭建、模型加载及追踪逻辑实现。通过示例代码展示了如何使用YOLOv8进行实时视频处理，并实现人员追踪功能。测试结果显示，该方法在实际场景中具有较好的应用潜力。
1761360321912488
18 3
1761360321912488
|
3天前
|
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。
1761360321912488
18 3
1761360321912488
|
3天前
|
机器学习/深度学习 人工智能 测试技术
AI计算机视觉笔记二十五：ResNet50训练部署教程
该项目旨在训练ResNet50模型并将其部署到RK3568开发板上。首先介绍了ResNet50网络，该网络由何恺明等人于2015年提出，解决了传统卷积神经网络中的退化问题。项目使用车辆分类数据集进行训练，并提供了数据集下载链接。环境搭建部分详细描述了虚拟环境的创建和所需库的安装。训练过程中，通过`train.py`脚本进行了15轮训练，并可视化了训练和测试结果。最后，项目提供了将模型转换为ONNX和PT格式的方法，以便在RK3568上部署。
1761360321912488
20 2
1761360321912488
|
3天前
|
人工智能 监控 算法
AI计算机视觉笔记二十 八：基于YOLOv8实例分割的DeepSORT多目标跟踪
本文介绍了YOLOv8实例分割与DeepSORT视觉跟踪算法的结合应用，通过YOLOv8进行目标检测分割，并利用DeepSORT实现特征跟踪，在复杂环境中保持目标跟踪的准确性与稳定性。该技术广泛应用于安全监控、无人驾驶等领域。文章提供了环境搭建、代码下载及测试步骤，并附有详细代码示例。
1761360321912488
19 1
1761360321912488
|
3天前
|
机器学习/深度学习 人工智能 计算机视觉
AI计算机视觉笔记二十三：PP-Humanseg训练及onnxruntime部署
本文介绍了如何训练并使用PaddleSeg的人像分割模型PP-HumanSeg，将其导出为ONNX格式，并使用onnxruntime进行部署。首先在AutoDL服务器上搭建环境并安装所需库，接着下载数据与模型，完成模型训练、评估和预测。最后，通过paddle2onnx工具将模型转换为ONNX格式，并编写预测脚本验证转换后的模型效果。此过程适用于希望在不同平台上部署人像分割应用的开发者。
1761360321912488
13 0

ModelScope模型即服务

热门文章

最新文章

  • 1
    阿里云通义千问向全社会开放！
  • 2
    multi-agent：多角色Agent协同合作，高效完成复杂任务
  • 3
    Llama 3开源，魔搭社区手把手带你推理，部署，微调和评估
  • 4
    vanna+qwen实现私有模型的SQL转换
  • 5
    中文大模型体验
  • 6
    Phi-3：小模型，大未来！（附魔搭社区推理、微调实战教程）
  • 7
    开源版图生视频I2VGen-XL：单张图片生成高质量视频
  • 8
    大模型时代，还缺一只雨燕 ｜ SWIFT：魔搭社区轻量级微调推理框架
  • 9
    从RMSE和MSE到更多选择：探索机器学习模型性能指标
  • 10
    社区供稿 | 10G显存，通义千问-7B-int4消费级显卡最佳实践
  • 1
    s3fs挂载S3对象桶
    22
  • 2
    云效OOM 处理探讨
    54
  • 3
    java 的Remote 的使用
    48
  • 4
    《函数计算驱动多媒体文件处理的体验与反馈》
    32
  • 5
    查看git 的远程地址
    37
  • 6
    通过Java SDK调用阿里云模型服务
    26
  • 7
    实战.NET Framework 迁移到 .NET 5/6
    45
  • 8
    测评《告别资源瓶颈，函数计算驱动多媒体文件处理》解决方案
    30
  • 9
    【阿里云电脑】老机型玩黑神话，不听显卡嗡嗡转
    183
  • 10
    kws_util 下载不了
    31

    • 相关课程

    更多
  • 【科技少年】AI领航员探索教程（赛前训练）
  • 达摩院视觉AI精品课
  • AI开发者的Docker实践
  • AI社区开源学习实践
  • 趣味视觉AI应用入门与实战
  • AI数学基础

    • 相关电子书

    更多
  • 智算时代，基于 Kubernetes 落地云原生 AI
  • AI让数据库的路走的“更快更远”
  • Data+AI时代大数据平台应该如何建设

    • 相关实验场景

    更多
  • AI克隆声音，基于函数计算部署GPT-Sovits语音生成模型
  • 奥运时刻！零代码生成奥运风格AI写真。
  • 【AI破次元壁合照】少年白马醉春风，函数计算一键部署AI绘画平台
  • 【玩转ComfyUI】基于函数计算一键部署AI生图平台 ComfyUI
  • 使用AI容器镜像部署Qwen大语言模型
  • 函数计算部署AI艺术字应用，生成新春文字头像
    • 下一篇
    对象存储 OSS 如何创建 bucket|学习笔记