LEADERG AI ZOO 进阶人工智能软件 (Low Code,提供丰富范例程序,Jupyter Lab 用户介面, AI Model Zoo)

LEADERG AI ZOO.png

 

 

 

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 ]

 

LEADERG-AI-ZOO-AI-Software-Architecture-20200505.png

 

 

 

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

 

https://weibo.com/openrobot

 

 

 

 

[ 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。

 

AI-ZOO 压缩文件.png

 

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。

 

AI-ZOO 运行档.png

 

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。

 

激活功能.png 激活结果.png

 

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。

 

下载 Python-按钮.png 下载 Python-下载进度条.png 下载 Python-解压缩进度条.png 下载解决方案.png

 

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。

 

命令提示字符.png

 

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)]。

 

运行解决方案.png

 

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。

 

Spyder-Python 程序编辑器.png

 

[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]。

 

下载解决方案.png

 

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。

 

开启 Solutions 文件夹.png

 

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。

 

运行解决方案.png

 

[Annotation Tools]

 

1. Annotation 标注软件。点击即可使用。

 

Annotation 标注软件.png

 

2. LabelImg 标注软件。点击即可使用。

 

LabelImg 标注.png

 

3. Labelme 标注软件。点击即可使用。

 

Labelme 标注.png

 

[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。

 

升级软件.png

 

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]。

 

文件说明与教学影片.png

 

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。

 

如何购买.png

 

 

 

[ 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。

 

 

 


延伸阅读

1.
购买方式

2.
教育训练

3.
公司简介