> For the complete documentation index, see [llms.txt](https://www.nhasachso.io.vn/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://www.nhasachso.io.vn/truc-tuyen/interactive-blocks-1/tac-gia/nguyen-hong-phuong/sach-cong-cu-ai-python/phan-5-thi-giac-may-tinh-computer-vision/pytorch-tensorflow-cv-ho-tro-phat-trien-cac-mo-hinh-thi-giac-nhu-yolo-resnet.md).

# PyTorch/TensorFlow (CV): Hỗ trợ phát triển các mô hình thị giác như YOLO, ResNet

#### **PyTorch / TensorFlow trong Thị giác máy tính**

**Mục tiêu:** Hai framework học sâu hàng đầu – **PyTorch** và **TensorFlow** – cung cấp nền tảng mạnh mẽ để **xây dựng, huấn luyện và triển khai các mô hình thị giác máy** hiện đại như **YOLO, ResNet, EfficientNet, VGG**, v.v.

**🔍 Đặc điểm nổi bật:**

* **PyTorch**: Linh hoạt, cú pháp gần với Python gốc, rất phù hợp với nghiên cứu và phát triển nhanh mô hình.
* **TensorFlow**: Ổn định, hiệu suất cao, dễ triển khai mô hình vào môi trường thực tế (mobile, web, cloud).
* Hỗ trợ thư viện **Torchvision** và **TensorFlow Hub/Keras Applications** với các mô hình pretrained cho tác vụ thị giác.

**📸 Ứng dụng trong Computer Vision:**

* **Phân loại ảnh** (Image Classification) – nhận biết hình ảnh thuộc nhóm nào.
* **Phát hiện vật thể** (Object Detection) – ví dụ: YOLOv5, SSD, Faster R-CNN.
* **Phân đoạn ảnh** (Image Segmentation) – ví dụ: U-Net, Mask R-CNN.
* **Nhận diện khuôn mặt**, **OCR (nhận dạng ký tự quang học)**, v.v.

***

**🔧 Ví dụ: Phân loại ảnh đơn giản bằng mô hình ResNet với PyTorch**

```python
import torchvision.models as models
import torch
from torchvision import transforms
from PIL import Image

# Tải mô hình ResNet đã huấn luyện
model = models.resnet18(pretrained=True)
model.eval()

# Tiền xử lý ảnh
img = Image.open("coffee.jpg")
transform = transforms.Compose([
    transforms.Resize(256),
    transforms.CenterCrop(224),
    transforms.ToTensor(),
])
img_t = transform(img).unsqueeze(0)

# Dự đoán
with torch.no_grad():
    output = model(img_t)
    pred = output.argmax(dim=1)
    print("Ảnh dự đoán thuộc lớp:", pred.item())
```

***