lmnn 距离测度学习 MATLAB代码

mnist的MNN模型

派尔蒙 PyLMNN是用于在纯python中进行度量学习的算法的实现。 此实现紧密遵循在找到的Kilian Weinberger的原始MATLAB代码。 此版本解决了无限制的优化问题，并使用L-BFGS作为后端优化器找到了线性变换。 该软件包还可以使用出色的软件包通过贝叶斯优化找到LMNN的最佳超参数。 安装 该代码是在Ubuntu 16.04下的python 3.5中开发的，并且也在Ubuntu 18.04和python 3.6下进行了测试。 您可以使用以下命令克隆存储库： git clone https://github.com/johny-c/pylmnn.git 或通过pip安装它： pip3 install pylmnn 依存关系 numpy的> = 1.11.2 scipy> = 0.18.1 scikit_learn> = 0.18.1 可选依赖项 如果要使用超参

一个mnn模型的demo, 用来测试 mnn 环境是否OK

在Windows下编译的MNN库，包括32位和64位，debug和release模式均有。 包含include文件夹，lib文件和dll文件，可以直接拖到工程文件中使用； 温馨提示：不包含转换工具。

Android MNN部署模型过程记录

yolofastest mnn版，mnn1.2.0，win10系统，vs2019，亲测可用。

python版本的MNN pip安装包， pip直接安装

MNN Android环境OCR模型移植 OCR预训练模型来自MNN工作台提供的ocr演示 操作步骤 演示操作如下： 1，界面中有检测和识别按钮，点击检测按钮会检测出图片中的文本区域，裁剪为图片并缓存起来 2，点击识别按钮识别缓存的图片文本 3，重复点击识别按钮，观察相同输入下的输出结果 正常情况下：

yolov5-face c++ mnn版，亲测成功， 3399设备上 100ms 320*240