MMEdu帮助文档

更多资讯请转至 XEdu 文档。

欢迎您使用MMEdu!

关于MMEdu

• MMEdu的故事
  • 1.MMEdu的缘起
  • 2.为什么要开发MMEdu
  • 3.对MMEdu的期望
• 开发和维护团队
  • 1.项目策划
  • 2.算法团队
  • 3.课程团队
  • 4.测试团队
• 版本更新记录
  • 1.正式版
  • 2.测试版
• MMEdu大事记

快速入门

• MMEdu简介
  • 1.MMEdu是什么？
  • 2.MMEdu和常见AI框架的比较
• MMEdu安装
  • 1.使用一键安装包
  • 2.使用Git工具手动部署
• 体验MMEdu
  • 1.运行Demo代码
  • 2.体验快速入门课程
  • 3.MMEdu的基本代码风格
• 训练AI模型
• 部署AI应用
  • 1.准备工作
  • 2.借助OpenCV识别摄像头画面
  • 3.借助PyWebIO部署Web应用
  • 4.连接开源硬件开发智能作品

进阶教程

• MMEdu的目录详解
  • MMEdu目录：
  • checkpoints目录：
  • dataset目录：
  • demo目录：
  • HowToStart目录：
  • tools目录：
  • visualization目录：
• MMEdu的模块概述
• 图像分类模块：MMClassification
  • 简介
  • 使用说明
• 物体检测模块：MMDetection
  • 简介
  • 使用说明
• 自定义网络模块：MMBase
  • 0.引入包
  • 1.声明模型
  • 2.载入数据
  • 3.搭建模型
  • 4.模型训练
  • 5.使用现有模型直接推理
  • 6.输出推理结果
  • 7.模型的保存与加载
  • 8.查看模型结构
  • 附录
• MMEdu的数据集格式详解
  • 1.ImageNet
  • 2.COCO

内置工具

• 数据集标注工具
• Web库PyWebIO简介
  • 1.简介
  • 2. 安装
  • 3. 代码示例
  • 4. 借助PyWebIO部署简易AI应用
• MQTT库siot简介
  • 1.简介
  • 2.安装
  • 3.代码范例
  • 4. 借助siot部署智联网应用
• 开源硬件库pinpong简介
  • 1.简介
  • 2.安装
  • 3.代码示例
  • 4. 借助pinpong开发智能作品
• Web库Flask简介
  • 1.简介
  • 2.安装
  • 3.代码示例
  • 4. 借助Flask部署智能应用

在线课程和创意项目

• 项目：设计“石头剪刀布”陪玩机器人
• 课程：神经网络和计算机视觉实验
• 课程：走进万物智联的世界
• 项目：电路符号识别小助手

资源获取和问题解答

• 常见问题解答
• 预训练模型和权重文件下载
• 数据集下载
• GPU版本的手动安装

深度学习知识库

• 深度学习训练参数详解
• 经典数据集介绍
• 图片分类模型MobileNet
  • 介绍
  • 特点：深度可分离卷积
  • 特点：Linear Bottleneck
  • 网络结构
  • 优点
  • 使用领域
  • 参考文献
• 图片分类模型LeNet-5
  • 简介
  • 网络结构
  • 优点
  • 适用领域
  • 参考文献

Indices and tables

• 索引

• 模块索引

• 搜索页面