5dive:基于Bash的轻量级AI智能体协作框架实战指南
最近在探索 AI 智能体协作时发现很多框架依赖复杂的环境配置和重量级依赖对于快速验证想法或轻量级任务来说显得过于笨重。5dive 这个用纯 Bash 脚本编写的 Claude Code/Codex 智能体协作框架正好解决了这个问题——它让你能用最简单的 Shell 环境运行多个 AI 智能体协同工作。本文将完整拆解 5dive 的安装部署、核心架构、实战应用及高频问题解决方案。无论你是想快速上手 AI 智能体开发还是需要在资源受限环境中部署轻量级 AI 协作系统都能从本文获得可直接复用的代码和配置方案。1. 5dive 框架核心概念解析1.1 什么是 5dive5dive 是一个基于 Bash 脚本编写的轻量级 AI 智能体协作框架专门设计用于运行 Claude Code原 Codex智能体。它的核心价值在于用最简单的技术栈实现复杂的多智能体协作场景避免了 Python、Node.js 等环境的依赖负担。与传统 AI 框架相比5dive 具有以下独特优势零依赖仅需 Bash 环境和 API 密钥即可运行极简部署单个脚本文件开箱即用资源高效内存占用极小适合边缘设备灵活扩展通过 Shell 脚本轻松定制智能体行为1.2 Claude Code/Codex 智能体是什么Claude Code前身为 Codex是 Anthropic 推出的代码生成 AI 模型能够理解自然语言指令并生成相应的代码。智能体Agents则是封装了特定任务处理能力的 AI 实例可以独立或协作完成复杂任务。在 5dive 框架中每个智能体都是一个独立的 Bash 进程通过消息队列进行通信共同构成一个AI 公司的协作体系CEO 智能体负责任务分解和分配工程师智能体专注代码编写和调试测试智能体负责代码验证和质量保证运维智能体处理部署和监控任务1.3 适用场景与目标用户5dive 特别适合以下应用场景快速原型验证在资源有限环境下测试 AI 协作想法教育演示学习 AI 智能体协作原理的绝佳教材自动化脚本开发利用 AI 智能体协作生成复杂脚本边缘计算场景在低配置设备上运行 AI 协作任务目标用户包括DevOps 工程师和系统管理员AI 技术爱好者和研究者需要轻量级自动化解决方案的开发者学习 Shell 脚本和 AI 集成的初学者2. 环境准备与安装部署2.1 系统要求与依赖检查5dive 对运行环境要求极低但需要确保以下基础条件# 检查 Bash 版本需要 4.0 bash --version # 检查 curl 是否可用用于 API 调用 curl --version # 检查 jq 是否安装JSON 处理工具 jq --version如果系统中缺少 jq可以使用包管理器安装# Ubuntu/Debian sudo apt-get update sudo apt-get install jq # CentOS/RHEL sudo yum install jq # macOS brew install jq2.2 获取 5dive 框架5dive 通常以单个 Bash 脚本文件形式提供可以通过以下方式获取# 方式一直接下载最新版本 curl -fsSL https://raw.githubusercontent.com/5dive/5dive/main/5dive.sh -o 5dive.sh chmod x 5dive.sh # 方式二克隆仓库如果提供 git clone https://github.com/5dive/5dive.git cd 5dive chmod x 5dive.sh2.3 Claude API 密钥配置使用 5dive 前需要配置 Claude API 密钥# 设置环境变量推荐 export CLAUDE_API_KEYyour_claude_api_key_here # 或者写入配置文件 mkdir -p ~/.config/5dive echo CLAUDE_API_KEYyour_claude_api_key_here ~/.config/5dive/config2.4 验证安装结果运行基础功能测试确保安装正确# 测试脚本基本功能 ./5dive.sh --version # 测试 API 连接 ./5dive.sh --test-api # 查看帮助信息 ./5dive.sh --help3. 核心架构与运行原理3.1 5dive 的模块化设计5dive 采用模块化的架构设计每个功能模块都是独立的 Bash 函数# 核心模块结构示例 #!/bin/bash # 配置管理模块 load_config() { # 加载API密钥和配置参数 } # 智能体管理模块 start_agent() { # 启动单个智能体进程 } # 消息队列模块 send_message() { # 智能体间通信处理 } # 任务调度模块 dispatch_task() { # 任务分配和协调 }3.2 多智能体协作机制5dive 的核心创新在于用 Bash 进程间通信实现智能体协作# 创建命名管道作为消息队列 mkfifo /tmp/5dive_task_queue mkfifo /tmp/5dive_response_queue # 智能体监听循环示例 agent_listener() { local agent_id$1 local agent_role$2 while true; do # 从任务队列读取消息 if read task /tmp/5dive_task_queue; then # 处理任务并返回结果 process_task $agent_id $agent_role $task fi sleep 1 done }3.3 Claude API 集成方式5dive 通过 curl 命令直接调用 Claude APIcall_claude_api() { local prompt$1 local max_tokens${2:-1000} local response$(curl -s -X POST https://api.anthropic.com/v1/complete \ -H Content-Type: application/json \ -H X-API-Key: $CLAUDE_API_KEY \ -d { \model\: \claude-3-sonnet-20240229\, \prompt\: \$prompt\, \max_tokens_to_sample\: $max_tokens }) echo $response | jq -r .completion }4. 完整实战案例构建代码审查系统4.1 项目需求分析我们将使用 5dive 构建一个自动化的代码审查系统包含三个智能体分析智能体解析代码结构和复杂度审查智能体检查代码质量和最佳实践报告智能体生成详细的审查报告4.2 智能体角色定义创建智能体配置文件agents.config#!/bin/bash # 智能体配置定义 declare -A AGENT_ROLES( [analyzer]代码分析专家负责解析代码结构和复杂度指标 [reviewer]代码审查专家检查代码质量、安全性和最佳实践 [reporter]报告生成专家整合分析结果生成详细报告 ) declare -A AGENT_PROMPTS( [analyzer]你是一个专业的代码分析AI。请分析以下代码输出其结构信息、复杂度指标和潜在的性能问题。 [reviewer]你是一个严格的代码审查AI。请检查以下代码的质量问题、安全漏洞和编码规范违反情况。 [reporter]你是一个专业的报告撰写AI。请根据分析结果生成详细的代码审查报告包含改进建议。 )4.3 核心协作逻辑实现创建主控制脚本code_review_system.sh#!/bin/bash source ./agents.config # 初始化消息队列 init_queues() { mkfifo /tmp/analyzer_queue 2/dev/null mkfifo /tmp/reviewer_queue 2/dev/null mkfifo /tmp/reporter_queue 2/dev/null } # 启动智能体集群 start_agents() { # 启动分析智能体 { while read code /tmp/analyzer_queue; do result$(call_claude_api ${AGENT_PROMPTS[analyzer]}\n\n代码\n$code) echo $result /tmp/analyzer_result done } # 启动审查智能体 { while read code /tmp/reviewer_queue; do result$(call_claude_api ${AGENT_PROMPTS[reviewer]}\n\n代码\n$code) echo $result /tmp/reviewer_result done } # 启动报告智能体 { while read analysis_result /tmp/reporter_queue; do result$(call_claude_api ${AGENT_PROMPTS[reporter]}\n\n分析结果\n$analysis_result) echo $result /tmp/final_report done } } # 执行代码审查流程 review_code() { local code_file$1 local code_content$(cat $code_file) # 并行发送到分析器和审查器 echo $code_content /tmp/analyzer_queue echo $code_content /tmp/reviewer_queue # 等待结果 sleep 5 # 获取分析结果 local analysis_result$(cat /tmp/analyzer_result) local review_result$(cat /tmp/reviewer_result) # 发送给报告生成器 echo 分析结果$analysis_result\n审查结果$review_result /tmp/reporter_queue sleep 3 # 输出最终报告 cat /tmp/final_report }4.4 测试用例与运行验证创建测试代码文件test_code.pydef calculate_factorial(n): if n 0: return 1 else: result 1 for i in range(1, n 1): result result * i return result def main(): num 5 print(fThe factorial of {num} is {calculate_factorial(num)}) if __name__ __main__: main()运行代码审查系统# 启动系统 chmod x code_review_system.sh ./code_review_system.sh # 执行代码审查 review_code test_code.py4.5 预期输出结果系统应该生成类似的审查报告代码审查报告生成时间2024-01-20 10:30:00 1. 代码结构分析 - 函数结构清晰包含主要功能和入口点 - 缺少类型注解和文档字符串 - 递归实现可能更简洁 2. 质量问题 - 循环变量命名可读性较差建议使用更具描述性的名称 - 缺少异常处理机制 - 输入验证不足 3. 改进建议 - 添加函数文档字符串 - 考虑使用递归实现阶乘计算 - 添加输入参数验证 - 增加单元测试用例5. 高级功能与定制化开发5.1 智能体能力扩展你可以为智能体添加专业领域知识# specialized_agent.sh - 专业化智能体示例 create_specialized_agent() { local domain$1 local expertise$2 local prompt你是一个专注于${domain}领域的AI专家。你在${expertise}方面有深厚经验。请基于你的专业知识回答以下问题 # 保存到专业智能体配置 echo $prompt /tmp/${domain}_agent_prompt } # 创建特定领域智能体 create_specialized_agent 网络安全 漏洞分析和安全审计 create_specialized_agent 数据科学 统计分析和机器学习5.2 工作流引擎实现实现复杂的工作流控制逻辑# workflow_engine.sh - 工作流引擎 define_workflow() { local workflow_name$1 shift local steps($) echo 定义工作流: $workflow_name for i in ${!steps[]}; do echo 步骤 $((i1)): ${steps[i]} done } # 示例工作流定义 workflow_steps( 代码静态分析 安全漏洞扫描 性能基准测试 文档生成 部署验证 ) define_workflow CI/CD流水线 ${workflow_steps[]}5.3 状态管理与持久化添加状态持久化功能# state_manager.sh - 状态管理 save_agent_state() { local agent_id$1 local state_data$2 local timestamp$(date %Y%m%d_%H%M%S) # 保存状态到文件 echo $state_data /tmp/${agent_id}_state_${timestamp}.json # 更新最新状态链接 ln -sf /tmp/${agent_id}_state_${timestamp}.json /tmp/${agent_id}_state_current.json } load_agent_state() { local agent_id$1 if [[ -f /tmp/${agent_id}_state_current.json ]]; then cat /tmp/${agent_id}_state_current.json else echo {} # 返回空状态 fi }6. 常见问题与故障排查6.1 安装部署问题问题现象可能原因解决方案bash: 5dive.sh: Permission denied脚本没有执行权限执行chmod x 5dive.shjq: command not found缺少 jq 依赖安装 jqapt-get install jq或brew install jqcurl: (6) Could not resolve host网络连接问题检查网络连接和 DNS 设置6.2 API 连接问题# API 连接测试脚本 test_api_connection() { local api_key${1:-$CLAUDE_API_KEY} if [[ -z $api_key ]]; then echo 错误未设置 CLAUDE_API_KEY 环境变量 return 1 fi local response$(curl -s -w %{http_code} -X POST https://api.anthropic.com/v1/complete \ -H Content-Type: application/json \ -H X-API-Key: $api_key \ -d {model: claude-3-sonnet-20240229, prompt: Hello, max_tokens_to_sample: 5} \ -o /tmp/api_test_response.json) if [[ $response -eq 200 ]]; then echo API 连接正常 return 0 else echo API 连接失败HTTP 状态码: $response cat /tmp/api_test_response.json return 1 fi }6.3 智能体通信故障排查消息队列问题# 消息队列诊断工具 diagnose_queues() { echo 消息队列诊断 # 检查命名管道是否存在 local queues(/tmp/analyzer_queue /tmp/reviewer_queue /tmp/reporter_queue) for queue in ${queues[]}; do if [[ -p $queue ]]; then echo ✓ $queue 存在且是命名管道 else echo ✗ $queue 不存在或不是命名管道 echo 重新创建mkfifo $queue fi done # 检查进程是否在运行 echo -e \n 进程状态检查 pgrep -f agent_listener echo 智能体监听进程运行中 || echo 未找到智能体监听进程 }6.4 性能优化建议当处理大量任务时考虑以下优化措施# 性能优化配置 optimize_performance() { # 调整智能体数量基于 CPU 核心数 local cpu_cores$(nproc) local optimal_agents$((cpu_cores - 1)) echo 建议配置智能体数量: $optimal_agents # 设置合理的超时时间 export API_TIMEOUT30 export QUEUE_TIMEOUT10 # 启用结果缓存 export ENABLE_CACHEtrue export CACHE_TTL3600 # 1小时缓存 }7. 生产环境最佳实践7.1 安全配置指南在生产环境中运行 5dive 时需要特别注意安全性# security_hardening.sh - 安全加固脚本 harden_environment() { # 限制文件权限 chmod 600 ~/.config/5dive/config chmod 700 /tmp/5dive_* # 使用密钥管理服务 if command -v vault /dev/null; then export CLAUDE_API_KEY$(vault read -fieldkey secret/5dive/api) fi # 设置网络隔离 iptables -A OUTPUT -p tcp --dport 443 -d api.anthropic.com -j ACCEPT iptables -A OUTPUT -p tcp --dport 443 -j DROP }7.2 监控与日志管理实现完整的监控体系# monitoring_setup.sh - 监控配置 setup_monitoring() { # 创建日志目录结构 mkdir -p /var/log/5dive/{agents,api,system} # 配置日志轮转 cat /etc/logrotate.d/5dive EOF /var/log/5dive/*/*.log { daily rotate 7 compress delaycompress missingok notifempty create 644 root root } EOF # 健康检查端点 create_healthcheck() { while true; do echo HTTP/1.1 200 OK\nContent-Type: text/plain\n\n5dive System OK | nc -l -p 8080 -q 1 done } }7.3 备份与恢复策略确保系统可靠性# backup_system.sh - 备份策略 create_backup_strategy() { local backup_dir/backup/5dive local timestamp$(date %Y%m%d_%H%M%S) mkdir -p $backup_dir # 备份关键数据 tar -czf $backup_dir/config_$timestamp.tar.gz ~/.config/5dive/ tar -czf $backup_dir/scripts_$timestamp.tar.gz ./*.sh # 备份智能体状态 find /tmp -name *_state_*.json -exec tar -czf $backup_dir/states_$timestamp.tar.gz {} echo 备份完成: $backup_dir } # 自动化备份计划 setup_auto_backup() { # 添加定时任务每天凌晨2点备份 (crontab -l 2/dev/null; echo 0 2 * * * /path/to/backup_system.sh) | crontab - }7.4 扩展性与集群部署对于大规模应用场景# cluster_deployment.sh - 集群部署方案 setup_cluster() { local nodes(node1 node2 node3) local leader_nodenode1 for node in ${nodes[]}; do ssh $node mkdir -p /opt/5dive/{bin,config,logs} scp ./*.sh $node:/opt/5dive/bin/ if [[ $node $leader_node ]]; then ssh $node echo LEADER_NODEtrue /opt/5dive/config/cluster else ssh $node echo LEADER_NODEfalse /opt/5dive/config/cluster fi done }8. 与其他工具集成方案8.1 与 CI/CD 流水线集成将 5dive 集成到自动化部署流程中# gitlab_integration.sh - GitLab CI 集成 create_gitlab_ci() { cat .gitlab-ci.yml EOF stages: - code_review - test - deploy 5dive_code_review: stage: code_review script: - apt-get update apt-get install -y jq - chmod x 5dive.sh - ./5dive.sh --review \$CI_PROJECT_DIR artifacts: paths: - code_review_report.html expire_in: 1 week EOF }8.2 与监控系统集成集成 Prometheus 监控指标# prometheus_integration.sh - 监控集成 setup_prometheus_metrics() { cat /etc/5dive/metrics.sh EOF #!/bin/bash # 生成 Prometheus 格式的指标 echo # HELP 5dive_agents_active Number of active agents echo # TYPE 5dive_agents_active gauge echo 5dive_agents_active $(pgrep -f agent_listener | wc -l) echo # HELP 5dive_api_calls_total Total number of API calls echo # TYPE 5dive_api_calls_total counter echo 5dive_api_calls_total $(grep -c API call /var/log/5dive/api/api.log) echo # HELP 5dive_queue_messages Messages in queue echo # TYPE 5dive_queue_messages gauge if [[ -p /tmp/analyzer_queue ]]; then echo 5dive_queue_messages{queue\analyzer\} $(timeout 1 cat /tmp/analyzer_queue | wc -l 2/dev/null || echo 0) fi EOF chmod x /etc/5dive/metrics.sh }通过本文的完整指南你应该已经掌握了 5dive 框架的核心概念、安装部署、实战应用和高级定制技巧。这个基于 Bash 的轻量级 AI 智能体协作框架为资源受限环境下的 AI 应用开发提供了新的可能性。在实际项目中建议先从简单的智能体协作场景开始逐步扩展到复杂的多智能体系统。记得定期备份配置和状态数据并建立完善的监控体系来确保系统稳定运行。

相关新闻

Bash脚本实现AI多代理协作:5dive框架原理与应用实践

Bash脚本实现AI多代理协作:5dive框架原理与应用实践

在 AI 编程助手日益普及的今天,如何高效管理和调度多个 AI 代理(Agents)协同工作,成为提升开发效率的关键。5dive 项目提供了一个独特的思路:用 Bash 脚本编写一个轻量级框架,来运行和管理基于 Claude Code…

2026/7/27 4:56:19 阅读更多 →
TMS320C6421 DSP外设深度解析:定时器、PWM、VLYNQ与GPIO实战指南

TMS320C6421 DSP外设深度解析:定时器、PWM、VLYNQ与GPIO实战指南

1. 项目概述与核心价值在嵌入式DSP开发领域,尤其是面对像TMS320C6421这样的高性能定点处理器时,很多工程师的注意力往往被其强大的CPU核心和并行处理单元所吸引。然而,真正决定一个项目成败、影响系统实时性、可靠性与功能完整性的&#xff0…

2026/7/27 4:55:18 阅读更多 →
AI风水师:测试工程师如何用电磁场理论优化机房运维

AI风水师:测试工程师如何用电磁场理论优化机房运维

1. 项目背景与行业观察机房运维这个行当干了十五年,去年偶然发现一个特别有意思的现象:某互联网大厂的前首席架构师转行做了"AI风水师",专门给数据中心看罗盘测磁场。这事儿乍听像个段子,但仔细琢磨后发现背后藏着软件测…

2026/7/27 4:55:18 阅读更多 →

最新新闻

Codex 经常执行失败怎么办?从开发环境配置到 ChatGPT Pro 选择

Codex 经常执行失败怎么办?从开发环境配置到 ChatGPT Pro 选择

很多开发者第一次使用 Codex 时,会直接把整个项目交给它处理:“帮我修复这个仓库里的所有错误。”“运行项目并解决启动失败的问题。”“完成这个功能,然后把测试全部跑通。”但实际执行后,经常会出现任务停滞、命令报错、依赖安装…

2026/7/27 5:08:24 阅读更多 →
【RT-DETR多模态创新改进】TCSVT 2025顶刊 | 独家特征融合创新| 引入CIMFusion 跨模态交互特征融合模块,增强可见光和红外图像之间的特征交互,多模态融合目标检测发论文热点

【RT-DETR多模态创新改进】TCSVT 2025顶刊 | 独家特征融合创新| 引入CIMFusion 跨模态交互特征融合模块,增强可见光和红外图像之间的特征交互,多模态融合目标检测发论文热点

一、本文介绍 🔥本文给大家介绍使用 CIMFusion 跨模态交互特征融合模块 改进 RT-DETR 的多模态目标检测模型,通过跨模态注意力机制有效融合可见光和红外图像的特征,提升了模型对多模态信息的利用效率。在恶劣天气或复杂环境下,CIMFusion 模块增强了模型的鲁棒性和泛化能力…

2026/7/27 5:08:24 阅读更多 →
C++多重继承下虚函数表(vtable)的内存布局与this指针调整机制深度解析

C++多重继承下虚函数表(vtable)的内存布局与this指针调整机制深度解析

1. 项目概述:为什么我们要深挖多重继承的虚表?在C的江湖里,对象模型和虚函数表(vtable)一直是高手过招时绕不开的内功心法。单继承的场景下,虚表的结构相对清晰,一个对象一个虚表指针&#xff0…

2026/7/27 5:08:24 阅读更多 →
【RT-DETR多模态创新改进】TCSVT 2025| 联合Mamba创新首发| 引入CMFM 跨模态特征融合Mamba模块,实现 RGB与红外等多模态特征的高效融合,含多种创新改进,顶会顶刊发文热点

【RT-DETR多模态创新改进】TCSVT 2025| 联合Mamba创新首发| 引入CMFM 跨模态特征融合Mamba模块,实现 RGB与红外等多模态特征的高效融合,含多种创新改进,顶会顶刊发文热点

一、本文介绍 🔥本文给大家介绍使用 CMFM 跨模态特征融合Mamba模块改进 RT-DETR 多模态融合目标检测框架,可在保持实时性的前提下实现高效稳定的跨模态特征融合,充分利用可见光与红外信息的互补优势,显著提升复杂环境下的检测鲁棒性。该模块基于 Mamba 状态空间模型进行…

2026/7/27 5:08:24 阅读更多 →
AI语音识别WebUI安全加固实战:从文件上传漏洞到生产级部署

AI语音识别WebUI安全加固实战:从文件上传漏洞到生产级部署

1. 项目概述:当AI语音识别遇上生产环境最近在折腾一个挺有意思的项目,把通义千问的Qwen3-ASR-1.7B这个语音识别模型给部署到带GPU的服务器上,并给它套了个WebUI界面。这事儿听起来挺酷,对吧?一个能听懂人话的AI&#x…

2026/7/27 5:08:24 阅读更多 →
Carta:Rust重写的Pandoc替代品,轻量高效的文档格式转换工具

Carta:Rust重写的Pandoc替代品,轻量高效的文档格式转换工具

这类工具最值得先看的不是功能列表,而是能不能在普通环境里稳定跑起来。Carta 是一个用 Rust 重写的 pandoc 开源替代品,如果你平时需要处理文档格式转换——比如 Markdown 转 PDF、HTML 转 Word,或者在不同标记语言之间批量处理——它解决的…

2026/7/27 5:07:24 阅读更多 →

日新闻

【JAVA毕设源码分享】基于SpringBoot的社区智能垃圾管理系统的设计与实现(程序+文档+代码讲解+一条龙定制)

【JAVA毕设源码分享】基于SpringBoot的社区智能垃圾管理系统的设计与实现(程序+文档+代码讲解+一条龙定制)

博主介绍:✌️码农一枚 ,专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围:&am…

2026/7/27 0:00:54 阅读更多 →
SPI实战指南:从时钟模式到寄存器配置,解决嵌入式通信难题

SPI实战指南:从时钟模式到寄存器配置,解决嵌入式通信难题

1. 项目概述:从寄存器手册到实战指南 如果你手头有一份类似德州仪器(TI)TMS320x240xA系列DSP的SPI模块技术手册,看着里面密密麻麻的寄存器位定义、时序图和公式,是不是感觉头大?这份资料虽然权威&#xff0…

2026/7/27 0:00:54 阅读更多 →
【JAVA毕设源码分享】基于springboot的水果购物管理系统的设计与实现(程序+文档+代码讲解+一条龙定制)

【JAVA毕设源码分享】基于springboot的水果购物管理系统的设计与实现(程序+文档+代码讲解+一条龙定制)

博主介绍:✌️码农一枚 ,专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围:&am…

2026/7/27 0:00:54 阅读更多 →

周新闻

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 数据集6000张 完整源码已标注数据集训练好的模型环境配置教程程序运行说明文档,可以直接使用!系统支持图片、视频、摄像头等多种方式检测裂缝,功能强大实用。 1数据集6000张 8各类别

2026/7/27 4:33:59 阅读更多 →
深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

pubg数据集 精选原图1.42万数据 1.49万标签 无任何重复、算法增强或冗余图像! pubg绝地求生目标检测数据集 1分类:e_body,14905个标签,txt格式 共计14244张图,99%为640*640尺寸图像 适合yolo目标检测、AI训练关键词&am…

2026/7/26 0:00:31 阅读更多 →
Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex检测数据集数据集详情检测类别: allies enemy tag图片总量:7247张训练集:5139张验证集:1425张测试集:683张标注状态:全部已标注,即拿即用数据格式:支持YOLO格式及其他格式&#…

2026/7/27 4:01:12 阅读更多 →

月新闻