收集各种好用的人工智能算法,帮助大家方便使用,大幅节省开发时间,可应用於产品瑕疵检测丶医学影像分析丶人工智能教学丶犯罪侦防丶门禁考勤丶智能长照丶公共安全丶交通流量丶车牌辨识丶程式教学丶研究开发等。
将人工智能算法,加上人人都会使用的网页操作介面,进行深度学习丶分析资料,帮助大家解决产业缺乏AI人才的问题。
每月提供最新算法下载,目前共有一百六十几种算法,提供原始码及参考出处,帮助大家便於做研究及发表论文,亦可以自行客制 AI 产品进行量产,免收权利金。
内建 Python, CUDA, cuDNN, TensorFlow, Keras, PyTorch 等软件套件及范例程式,帮助大家大幅省去安装套件及寻找范例程式的麻烦。
参加国际 AI 大赛获得第一名,奖金美金10万元。
[ 架构图 ]
整理各种人工智能算法,节省开发时间,让您轻松使用 AI ,欢迎老师当作课程教材。
国际 AI 大赛最终获得评审团青睐,在众多优秀对手中脱颖而出,夺得首奖美金10万元!解决产业缺乏 AI 人才的问题。无论是产品竞争力丶技术门槛,以及与企业的对接度等项目,均获得非常高的评价!
感谢晶圆丶封测丶面板丶石化丶电子丶系统整合丶设备丶医院丶教育等产业客户采用。
感谢多所学校老师采用。
[ 特色 ]
• 价格公道
• 支援深度学习
• 支援人工智能算法
• 支援影像处理
• 支援多种影像运算方法
• 支援影像分析
• 支援条码辨识
• 支援 QR code
• 支援多核心及多处理器的电脑
• 支援 GPU 加速
• 支援自订函式库
• 支援 TensorFlow 2.4
• 支援 PyTorch 1.7.0
• 支援 CUDA 11.0
• 支援 cuDNN 8.0.4
• 本机执行,资料不用上传到云端,避免公司机密外泄
• 每月1日提供最新算法下载
[ 硬件需求 ]
• x64 处理器
• 16 GB 内存或以上
• 硬盘需要 150 GB 以上空间
• 用户画面解析度需要 1280 x 720 以上
• 滑鼠或其他用户介面点击装置
• 支援 CUDA, cuDNN, TensorRT 的 NVIDIA GPU (GPU 内存需 24 GB 以上)
• 支援 OpenVINO 的 Intel VPU 或 FPGA (运算加速选配)
[ 软件优势 ]
• 简单好上手,开发整合速度快
• 於订阅期间,针对内建解决方案,有提供技术支援
• 经过半导体产业丶面板产业丶石化产业丶 PCB 产业等大厂验证
• 参加国际 AI 大赛得到第一名,奖金美元300万元
• 价格合理
• 感谢晶圆丶封测丶面板丶铜箔丶 PCB 等产业大厂采用
• Windows 版本支援免安装,内建最新版 Python, PyTorch, TorchVision, TensorFlow, Keras, CUDA, cuDNN, ... ,支援 CPU 及 GPU 运算,不需麻烦另外安装环境,解压缩後即可立刻使用
• 内建常用深度学习解决方案,所有方案皆验证过
[ LEADERG AI ZOO 版本说明 ]
LEADERG AI ZOO 单机版:
授权一台电脑
LEADERG AI ZOO 企业版部门授权:
授权一个部门员工的电脑
LEADERG AI ZOO 教育版系所授权:
授权一个系所师生的电脑
[ 支援作业系统 ]
二择一,於出货前指定作业系统版本,如需支援两种作业系统,需购买两套授权:
• Windows 10 64位元
• Ubuntu Linux 18.04 64位元
[ 软件比较 ]
演算法 | Jupyter-BERT |
说明 | BERT 文本训练、文本生成、句子判断 |
演算法 | Jupyter-Chatterbot |
说明 | 聊天机器人 |
演算法 | Jupyter-COM |
说明 | 串行埠 |
演算法 | Jupyter-CURL |
说明 | 使用 CURL 函数库抓取网页 |
演算法 | Jupyter-Data-Conv1D-Keras |
说明 | 使用 1 维卷积神经网络进行数据分析 |
演算法 | Jupyter-Data-Dense-Sin-PyTorch |
说明 | 使用 Densenet 学习 sin 波及推论 |
演算法 | Jupyter-Data-Dense-Stock-PyTorch |
说明 | 使用 Densenet 进行 stock 预测 |
演算法 | Jupyter-Data-Dense-Fraud-Detection |
说明 | 诈骗侦测 |
演算法 | Jupyter-Data-Genetic-Algorithm-Flow-Shop |
说明 | 基因演算法工厂排程 |
演算法 | Jupyter-Data-Genetic-Algorithm-Job-Shop |
说明 | 基因演算法工厂排程 |
演算法 | Jupyter-Data-Genetic-Algorithm-Job-Shop-NSGA-II |
说明 | 基因演算法工厂排程 |
演算法 | Jupyter-Data-Gradient-Boosting-Classification |
说明 | 使用 Gradient-Boosting 进行铁达尼号生存预测 |
演算法 | Jupyter-Data-Gradient-Boosting-Regression |
说明 | 使用 Gradient-Boosting 预测波士顿房价 |
演算法 | Jupyter-Data-JSON |
说明 | 使用 Python 读入 input.json,print 出内容,写入 output.json |
演算法 | Jupyter-Data-LightGBM-Classification |
说明 | 使用 LightGBM 进行铁达尼号生存预测 |
演算法 | Jupyter-Data-LightGBM-Regression |
说明 | 使用 LightGBM 预测波士顿房价 |
演算法 | Jupyter-Data-LSTM-PyTorch |
说明 | 使用 LSTM PyTorch 预测股票价格 |
演算法 | Jupyter-Data-Matplot-Stock |
说明 | Python 画数据的曲线图 |
演算法 | Jupyter-Data-Read-Sin |
说明 | Python 读取 Sin 波的值与画成表格 |
演算法 | Jupyter-Data-Read-Write-CSV |
说明 | Python 进行 CSV 数据的存取 |
演算法 | Jupyter-Data-Read-Write-Excel |
说明 | Python 进行 Excel 数据的存取 |
演算法 | Jupyter-Data-Regression-Forest |
说明 | 使用 Regression-Forest 预测波士顿房价 |
演算法 | Jupyter-Data-Regression-Forest-Sin |
说明 | 使用 Regression-Forest 预测 Sin 波 |
演算法 | Jupyter-Data-Regression-Forest-Stock |
说明 | 使用 Regression-Forest 预测股价 |
演算法 | Jupyter-Data-SVM |
说明 | 使用 SVM 进行资料分群 |
演算法 | Jupyter-Data-Taiwan-Mask |
说明 | 查台湾药局口罩库存的资料爬虫 |
演算法 | Jupyter-Data-XGBoost-Classification |
说明 | 使用 XGBoost 进行铁达尼号生存预测 |
演算法 | Jupyter-Data-XGBoost-GPU-Test |
说明 | XGBoost GPU 测试 |
演算法 | Jupyter-Data-XGBoost-Regression |
说明 | 使用 XGBoost 预测波士顿房价 |
演算法 | Jupyter-Data-XGBoost-Regression-Stock-Taiwan |
说明 | 使用 XGBoost 预测股票价格 |
演算法 | Jupyter-Data-XGBoost-Regression-Time-Series |
说明 | 使用 XGBoost Regression 时间序列预测股票 |
演算法 | Jupyter-File-Batch-Rename |
说明 | 批量改檔名 |
演算法 | Jupyter-File-Download |
说明 | 下载文件并显示进度条 |
演算法 | Jupyter-GPT-2 |
说明 | GPT-2 自动生成文本 |
演算法 | Jupyter-Http-Server-AIOHTTP |
说明 | Python AIOHTTP Web Server |
演算法 | Jupyter-Http-Server-Flask |
说明 | Python Flask 轻量级Web应用框架 |
演算法 | Jupyter-Image-Augmentation |
说明 | 影像资料扩增 |
演算法 | Jupyter-Image-Barcode |
说明 | 读取一维、二维条形码 |
演算法 | Jupyter-Image-Barcode-Generator |
说明 | 生成一维条形码 |
演算法 | Jupyter-Image-Batch-Resize |
说明 | 影像批量缩放 |
演算法 | Jupyter-Image-Classification-AlexNet-PyTorch |
说明 | 使用 PyTorch AlexNet 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-Attention-PyTorch |
说明 | 使用 PyTorch Attention 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-CSPResNeXt-50-CPP |
说明 | 使用 PyTorch CSPResNeXt 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-DenseNet-OCR-Keras |
说明 | 使用 DenseNet 进行字符辨识 |
演算法 | Jupyter-Image-Classification-DenseNet121-PyTorch |
说明 | 使用 PyTorch DenseNet121 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-EfficientNet-PyTorch |
说明 | 使用 PyTorch EfficientNet 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-GoogleNet-PyTorch |
说明 | 使用 PyTorch GoogleNet 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-InceptionV2-PyTorch |
说明 | 使用 PyTorch InceptionV2 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-InceptionV3-CAM-PyTorch |
说明 | 在 PyTorch 下使用 InceptionV3 与 Class Activation Mapping 可视化来进行影像分类。 |
演算法 | Jupyter-Image-Classification-InceptionV3-PyTorch |
说明 | 使用 PyTorch InceptionV3 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-InceptionV4-PyTorch |
说明 | 使用 PyTorch InceptionV4 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-Inception_ResNet_v1-PyTorch |
说明 | 使用 PyTorch Inception_ResNet_v1 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-Inception_ResNet_v2-PyTorch |
说明 | 使用 PyTorch Inception_ResNet_v2 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-MNASNet-PyTorch |
说明 | 使用 PyTorch MNASNet 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-MobileNetV1-PyTorch |
说明 | 使用 PyTorch MobileNetV1 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-MobileNetV2-PyTorch |
说明 | 使用 PyTorch MobileNetV2 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-MobileNetV3-PyTorch |
说明 | 使用 PyTorch MobileNetV3 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-PreactresNet18-PyTorch |
说明 | 使用 PyTorch PreactresNet18 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-RegNet-PyTorch |
说明 | 使用 PyTorch RegNet 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-Resnet_in_Resnet-PyTorch |
说明 | 使用 PyTorch Resnet_in_Resnet 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-ResNet50-PyTorch |
说明 | 使用 PyTorch ResNet50 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-ResNeXt101-PyTorch |
说明 | 使用 PyTorch ResNeXt101 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-SENet-PyTorch |
说明 | 使用 PyTorch SENet 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-ShuffleNetV1-PyTorch |
说明 | 使用 PyTorch ShuffleNetV1 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-ShuffleNetV2-PyTorch |
说明 | 使用 PyTorch ShuffleNetV2 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-SqueezeNet-PyTorch |
说明 | 使用 PyTorch SqueezeNet 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-VGG16-PyTorch |
说明 | 使用 PyTorch VGG16 进行影像瑕疵分类 |
演算法 | Jupyter-Image-Classification-Xception-PyTorch |
说明 | 使用 PyTorch Xception 进行影像瑕疵分类 |
演算法 | Jupyter-Image-CycleGAN-PyTorch |
说明 | 使用 CycleGAN 转换马到斑马 |
演算法 | Jupyter-Image-DICOM |
说明 | DICOM 医疗数字影像 |
演算法 | Jupyter-Image-FaceNet |
说明 | FaceNet 人脸辨识 |
演算法 | Jupyter-Image-Fingerprint-Recognition |
说明 | 指纹影像辨识 |
演算法 | Jupyter-Image-GAN-Compression-PyTorch |
说明 | GAN 压缩模型使用 |
演算法 | Jupyter-Image-Ganomaly |
说明 | 使用 GANomaly 进行影像异常检测 |
演算法 | Jupyter-Image-Gauge-Reader |
说明 | 表头刻度辨识 |
演算法 | Jupyter-Image-Human-Pose-PyTorch |
说明 | 侦测人体姿势 |
演算法 | Jupyter-Image-LPRNet-PyTorch |
说明 | 使用 LPRNet 辨识车牌 |
演算法 | Jupyter-Image-Object-Detection-CSPResNeXt50-PANet-SPP-CPP |
说明 | 使用 CSPResNeXt50 PANet 进行瑕疵检测 |
演算法 | Jupyter-Image-Object-Detection-DETR-PyTorch |
说明 | 使用 PyTorch DETR 进行瑕疵检测 |
演算法 | Jupyter-Image-Object-Detection-EfficientDet-Keras |
说明 | 使用 Keras EfficientDet 进行瑕疵检测 |
演算法 | Jupyter-Image-Object-Detection-FasterRCNN-Keras |
说明 | 使用 Keras FasterRCNN 进行瑕疵检测 |
演算法 | Jupyter-Image-Object-Detection-MobileNetV1-SSD300-PyTorch |
说明 | 使用 PyTorch MobileNetV1-SSD300 进行瑕疵检测 |
演算法 | Jupyter-Image-Object-Detection-MobileNetV1-SSD512-PyTorch |
说明 | 使用 PyTorch MobileNetV1-SSD512 进行瑕疵检测 |
演算法 | Jupyter-Image-Object-Detection-MobileNetV2-SSD300-PyTorch |
说明 | 使用 PyTorch MobileNetV2-SSD300 进行瑕疵检测 |
演算法 | Jupyter-Image-Object-Detection-MobileNetV2-SSD512-PyTorch |
说明 | 使用 PyTorch MobileNetV2-SSD512 进行瑕疵检测 |
演算法 | Jupyter-Image-Object-Detection-MobileNetV3-SSD300-PyTorch |
说明 | 使用 PyTorch MobileNetV3-SSD300 进行瑕疵检测 |
演算法 | Jupyter-Image-Object-Detection-MobileNetV3-SSD512-PyTorch |
说明 | 使用 PyTorch MobileNetV3-SSD512 进行瑕疵检测 |
演算法 | Jupyter-Image-Object-Detection-ResNet152-SSD512-PyTorch |
说明 | 使用 PyTorch ResNet152-SSD512 进行瑕疵检测 |
演算法 | Jupyter-Image-Object-Detection-ResNet50-SSD300-PyTorch |
说明 | 使用 PyTorch ResNet50-SSD300 进行瑕疵检测 |
演算法 | Jupyter-Image-Object-Detection-ResNet50-SSD512-PyTorch |
说明 | 使用 PyTorch ResNet50-SSD512 进行瑕疵检测 |
演算法 | Jupyter-Image-Object-Detection-VGG16-SSD512-PyTorch |
说明 | 使用 PyTorch VGG16-SSD512 进行瑕疵检测 |
演算法 | Jupyter-Image-Object-Detection-VGG19-SSD512-PyTorch |
说明 | 使用 PyTorch VGG19-SSD512 进行瑕疵检测 |
演算法 | Jupyter-Image-Object-Detection-YOLOv4-CPP |
说明 | 使用 YOLOv4 进行瑕疵检测 |
演算法 | Jupyter-Image-Object-Detection-YOLOv4-Multiple-Object-Tracking-CPP |
说明 | 使用 YOLOv4 进行多物件追踪 |
演算法 | Jupyter-Image-Object-Detection-YOLOv4-Tiny-CPP |
说明 | 使用 YOLOv4 Tiny进行瑕疵检测 |
演算法 | Jupyter-Image-OCR |
说明 | Python 使用 Tesseract-OCR 进行字符辨识 |
演算法 | Jupyter-Image-ONNX |
说明 | 使用 ONNX 模型进行影像分类、影像侦测、影像切割 |
演算法 | Jupyter-Image-OpenCV-Adaptive-Threshold |
说明 | Python OpenCV 自适应二值化 |
演算法 | Jupyter-Image-OpenCV-Add |
说明 | Python OpenCV 影像相加 |
演算法 | Jupyter-Image-OpenCV-Bilateral-Filter |
说明 | Python OpenCV 双边滤波器 |
演算法 | Jupyter-Image-OpenCV-Binarize |
说明 | Python OpenCV 做二值化 |
演算法 | Jupyter-Image-OpenCV-Black-Hat |
说明 | Python OpenCV 做形态学 Black Hat |
演算法 | Jupyter-Image-OpenCV-Blob |
说明 | Python OpenCV Blob 二值化影像几何形状提取与分离 |
演算法 | Jupyter-Image-OpenCV-Blur |
说明 | Python OpenCV 模糊处理 |
演算法 | Jupyter-Image-OpenCV-Brightness |
说明 | Python OpenCV 影像明暗度 |
演算法 | Jupyter-Image-OpenCV-Canny |
说明 | Python OpenCV 边缘侦测 Canny |
演算法 | Jupyter-Image-OpenCV-Capture-Image |
说明 | Python OpenCV 从 webcam 连续撷取影像并显示在屏幕上 |
演算法 | Jupyter-Image-OpenCV-Connected-Components |
说明 | Python OpenCV 影像连通元件标记法 |
演算法 | Jupyter-Image-OpenCV-Copy |
说明 | Python OpenCV 影像复制 |
演算法 | Jupyter-Image-OpenCV-Create-And-Fill |
说明 | Python OpenCV 建立影像与填充 |
演算法 | Jupyter-Image-OpenCV-Crop |
说明 | Python OpenCV 影像裁切 |
演算法 | Jupyter-Image-OpenCV-DCT |
说明 | Python OpenCV 影像 DCT 频率域 |
演算法 | Jupyter-Image-OpenCV-DeBlur |
说明 | Python OpenCV 影像去模糊 |
演算法 | Jupyter-Image-OpenCV-DFT |
说明 | Python OpenCV 影像 DFT 频率域 |
演算法 | Jupyter-Image-OpenCV-Dilation |
说明 | OpenCV 影像膨胀范例 |
演算法 | Jupyter-Image-OpenCV-Erosion |
说明 | OpenCV 影像侵蚀范例 |
演算法 | Jupyter-Image-OpenCV-Filter2D |
说明 | OpenCV filter2D 滤波范例 |
演算法 | Jupyter-Image-OpenCV-Find-Contours |
说明 | OpenCV 影像找轮廓范例 |
演算法 | Jupyter-Image-OpenCV-Gaussian-Blur |
说明 | OpenCV 影像高斯模糊范例 |
演算法 | Jupyter-Image-OpenCV-GetWH |
说明 | OpenCV 取得影像长宽范例 |
演算法 | Jupyter-Image-OpenCV-Gray |
说明 | Python OpenCV 读取 input.png 的彩色图文件,转换成灰阶后显示在屏幕上 |
演算法 | Jupyter-Image-OpenCV-Histogram-Calculation |
说明 | OpenCV 直方图计算范例 |
演算法 | Jupyter-Image-OpenCV-Histogram-Comparison |
说明 | OpenCV 直方图比较范例 |
演算法 | Jupyter-Image-OpenCV-Histogram-Equalization |
说明 | OpenCV 直方图均衡化范例 |
演算法 | Jupyter-Image-OpenCV-Hough-Circle-Transform |
说明 | OpenCV 霍夫圆转换范例 |
演算法 | Jupyter-Image-OpenCV-Hough-Transform |
说明 | OpenCV 霍夫线转换范例 |
演算法 | Jupyter-Image-OpenCV-InRange |
说明 | OpenCV inRange 范例 |
演算法 | Jupyter-Image-OpenCV-Laplace |
说明 | OpenCV Laplace 范例 |
演算法 | Jupyter-Image-OpenCV-Median-Blur |
说明 | OpenCV 模糊化范例 |
演算法 | Jupyter-Image-OpenCV-Merge |
说明 | OpenCV 影像 Merge 范例 |
演算法 | Jupyter-Image-OpenCV-Morphological-Gradient |
说明 | OpenCV 影像梯度范例 |
演算法 | Jupyter-Image-OpenCV-Opening-And-Closing |
说明 | OpenCV 形态学之开运算、闭运算范例 |
演算法 | Jupyter-Image-OpenCV-Read-Write-Image-File |
说明 | Python OpenCV 读取 input.png 存成 output.jpg |
演算法 | Jupyter-Image-OpenCV-ReMap |
说明 | OpenCV 影像 ReMap 范例 |
演算法 | Jupyter-Image-OpenCV-Resize |
说明 | OpenCV 影像缩放范例 |
演算法 | Jupyter-Image-OpenCV-Rotate |
说明 | OpenCV 影像旋转范例 |
演算法 | Jupyter-Image-OpenCV-Sharpness |
说明 | OpenCV 影像锐化范例 |
演算法 | Jupyter-Image-OpenCV-Shift |
说明 | OpenCV 影像平移范例 |
演算法 | Jupyter-Image-OpenCV-Sobel |
说明 | OpenCV Sobel 算法範例 |
演算法 | Jupyter-Image-OpenCV-Split |
说明 | OpenCV 通道分离范例 |
演算法 | Jupyter-Image-OpenCV-Top-Hat |
说明 | OpenCV 顶帽运算范例 |
演算法 | Jupyter-Image-Pix2Pix-PyTorch |
说明 | 使用 pix2pix GAN 进行地图转换 |
演算法 | Jupyter-Image-PSGAN-PyTorch |
说明 | 使用 PSGAN 进行人脸化妆 |
演算法 | Jupyter-Image-QRcode-Generator |
说明 | 生成QR code条形码 |
演算法 | Jupyter-Image-Screen-Capture |
说明 | Python 撷取壁纸画面后,储存到 output.png |
演算法 | Jupyter-Image-Segmentation-3D-UNet-PyTorch |
说明 | 使用 U-Net 3D 进行影像分割 |
演算法 | Jupyter-Image-Segmentation-MaskRCNN-Keras |
说明 | 使用 MaskRCNN 进行影像对象分割 |
演算法 | Jupyter-Image-Segmentation-UNet-Keras |
说明 | 使用 U-Net 进行影像分割 |
演算法 | Jupyter-Image-Segmentation-YOLACT-PyTorch |
说明 | 使用 YOLACT 进行影像对象分割 |
演算法 | Jupyter-Image-Stitching |
说明 | 使用 brisk 特征提取算法进行影像拼接 |
演算法 | Jupyter-Image-Super-Resolution-PyTorch |
说明 | 使用 SRGAN 进行超分辨率 |
演算法 | Jupyter-Keyboard |
说明 | Python 送出键盘讯号 |
演算法 | Jupyter-Model-Keras-To-ONNX |
说明 | 把 Keras 的模型转成 ONNX 的模型 |
演算法 | Jupyter-Model-ONNX-To-OpenVINO |
说明 | 把 ONNX 的模型转成 OpenVINO 的模型 |
演算法 | Jupyter-Model-ONNX-To-TensorRT |
说明 | 把 ONNX 的模型转成 TensorRT 的模型 |
演算法 | Jupyter-Model-PyTorch-To-ONNX |
说明 | 把 PyTorch 的模型转成 ONNX 的模型 |
演算法 | Jupyter-Model-TensorFlow-To-ONNX |
说明 | 把 TensorFlow 的模型转成 ONNX 的模型 |
演算法 | Jupyter-Model-View-Netron |
说明 | 显示模型架构 |
演算法 | Jupyter-Model-YOLOv3-CPP-to-OpenVINO |
说明 | 把 YOLOv3 CPP 的模型转成 OpenVINO 的模型 |
演算法 | Jupyter-Model-YOLOv4-CPP-to-PyTorch |
说明 | 把 YOLOv4 CPP 的模型转成 PyTorch 模型 |
演算法 | Jupyter-Mouse |
说明 | Python 送出移动鼠标指令 |
演算法 | Jupyter-MySQL |
说明 | Python MySQL 连接,数据删除、修改、查询 |
演算法 | Jupyter-NVR |
说明 | NVR 录像 |
演算法 | Jupyter-OpenVINO |
说明 |
OpenVINO 范例 Image_Crossroad_Camera Image_Gaze_Estimation Image_Human_Pose_Estimation Image_Interactive_Face_Detection Image_Mask_RCNN Image_Multi_Channel_Face_Detection Image_Multi_Channel_Human_Pose_Estimation Image_Multi_Channel_Object_Detection_YOLOv3 Image_Object_Detection_Faster_Rcnn Image_Object_Detection_YOLOv3 Image_Pedestrian_Tracker Image_Security_Barrier_Camera Image_Segmentation Image_Smart_Classroom Image_Super_Resolution Image_Super_Resolution_Text Image_Text_Detection Image_Text_Recognition |
演算法 | Jupyter-PySide2 |
说明 | Python PySide2 视窗程式范例 |
演算法 | Jupyter-PySide2-OpenCV-Webcam |
说明 | PySide2 介面显示 webcam 即时影像 |
演算法 | Jupyter-Python-DLL |
说明 | Python 使用 DLL 范例 |
演算法 | Jupyter-Python-For |
说明 | Python For 循环范例 |
演算法 | Jupyter-Python-Function |
说明 | Python 函数范例 |
演算法 | Jupyter-Python-Function-Call |
说明 | Python 呼叫函数范例 |
演算法 | Jupyter-Python-Hello-World |
说明 | Python print范例 |
演算法 | Jupyter-Python-If |
说明 | Python If 范例 |
演算法 | Jupyter-Python-Import |
说明 | Python import 范例 |
演算法 | Jupyter-Python-Print |
说明 | Python 印出值范例 |
演算法 | Jupyter-Python-Thread |
说明 | Python 线程范例 |
演算法 | Jupyter-Python-Variable |
说明 | Python 值范例 |
演算法 | Jupyter-Python-While |
说明 | Python while 循环使用范例 |
演算法 | Jupyter-PyTorch-CUDA-Test |
说明 | PyTorch CUDA 测试 |
演算法 | Jupyter-Quote |
说明 | Python Quote |
演算法 | Jupyter-SMTP |
说明 | Python 简单邮件传输 |
演算法 | Jupyter-Sound-Play-Music |
说明 | Python 音乐播放 mp3 |
演算法 | Jupyter-Sound-Play-Sound |
说明 | Python 声音播放 wav |
演算法 | Jupyter-Sound-Spectrogram |
说明 | Python 声音频谱 |
演算法 | Jupyter-Speech-Simple-Recognizer |
说明 | 语音分析 |
演算法 | Jupyter-Speech-To-Text |
说明 | Python 语音转文字 |
演算法 | Jupyter-TensorFlow-CUDA-Test |
说明 | Python TensorFlow CUDA 测试 |
演算法 | Jupyter-Text-To-Speech |
说明 | Python 文字转语音 |
演算法 | VS-OpenCV-Webcam |
说明 | C# OpenCV Webcam 范例 |
演算法 | Web-OpenCV-CPP-Webcam |
说明 | OpenCV 读取 Webcam 影像显示在网页上 |
演算法 | Web-OpenCV-CPP-Python-Webcam |
说明 | 使用 Python OpenCV 读取 Webcam 影像显示在网页上 |
[ 教学影片 ]
微博
[ 购买方式 ]
https://cn.leaderg.com/article/index?sn=11057
[操作步骤及说明]
[Python Tools]
1. 解压缩文件案。下载完成后,请您先使用 7zip 解压缩文件案。
2. 开启应用程序。开启文件夹,找到 LEADERG-AI-ZOO.exe,鼠标点击左键两下开启应用程序。
3. 激活应用程序。如果您已经激活过应用程序,可以跳过此步骤。
请您先点击 [Activate] 按钮,接着在窗口内输入您的激活验证码,按下 enter 键,
当画面出现 OK,即成功激活应用程序。
最后只要再重新启动应用程序,您就可以开始使用 AI-ZOO。
4. 下载安装 Python 环境。您的装置如果有支持 NVIDIA GPU 加速运算,请点击 [Download Python (GPU)] ;未支持 NVIDIA GPU 加速运算,请点击 [Download Python (CPU)]。
点击下载后,请耐心等候。如下图,画面将逐一显示下载进度条、解压缩进度条、update path,最后重新启动开始使用 AI-ZOO。
5. 在 Terminal 输入指令。您的装置如果有支持 NVIDIA GPU 加速运算,请点击 [Terminal (GPU)] ;未支持 NVIDIA GPU 加速运算,请点击 [Terminal (CPU)]。
开启命令提示字符窗口后,您就可以开始输入指令。
6. Jupyter Lab
您的装置如果有支持 NVIDIA GPU 加速运算,请点击 [Jupyter Lab (GPU)] ;未支持NVIDIA GPU 加速运算,请点击 [Jupyter Lab (CPU)]。
7. Spyder,Python 语言开发环境。您的装置如果有支持 NVIDIA GPU 加速运算,请点击 [Spyder (GPU)] ;未支持 NVIDIA GPU 加速运算,请点击 [Spyder (CPU)]。
开启 Spyder 后,您可以开始撰写属于您的程序代码、或加载现有的 .py 程序代码。
[Solutions]
1. 如何下载解决方案 : 请点击 [Download Solutions],接着选择您有兴趣的解决方案,按下 [下载]。
2. 如何开启解决方案所在位置 : 点选 [Browse Solutions],开启解决方案的档案位置。
3. 如何运行解决方案 : 请参阅 [Python Tools]第六点,使用 Jupyter Lab 来运行解决方案。
[Annotation Tools]
1. Annotation 标注软件。点击即可使用。
2. LabelImg 标注软件。点击即可使用。
3. Labelme 标注软件。点击即可使用。
[Advanced Tools]
1. Activate 激活应用程序。详细使用方式请参阅 [Python Tools] 的第三点。
2. Update 软件更新。点击此按钮会检查当前的 AI-ZOO 是否为最新版本。如果不是最新版本,将自动升级到最新释出的 AI-ZOO 版本。
3. Doc and Video。如果您想了解更多关于 AI-ZOO 的技术文章与说明,请点击 [Doc and Video]。
4. How To Buy,您如果觉得 AI-ZOO 有符合您的需求想进一步使用,请点击此按钮。
[ 软件下载链接 ]
LEADERG AI ZOO - Windows 64 位元版下载:
https://www.leaderg.com/ai-zoo/download
LEADERG AI ZOO - Ubuntu Linux 18.04 64 位元版下载:
请提供激活码,寄 email 到 leaderg@leaderg.com 索取。