<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[菜鸟奇遇记]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/HCYHanson</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; HCYHanson]]></copyright><item><title><![CDATA[UBUNTU成功安装NVIDIA驱动，cuda，cudnn，解决循环登录问题]]></title><link>https://blog.youkuaiyun.com/HCYHanson/article/details/103212633</link><guid>https://blog.youkuaiyun.com/HCYHanson/article/details/103212633</guid><author>HCYHanson</author><pubDate>Sat, 23 Nov 2019 14:34:39 +0800</pubDate><description><![CDATA[前言

装过多次实验室服务器显卡驱动，踩过不少坑，这边觉得有必要记录下一套较为简单的安装方式，在下次遇到问题时可以迅速重装。

一方面：如果你的显卡不是很古老，2019年底了，至少RTX-1060以上了吧，建议都使用较新版本驱动软件;

另一方面：踩到坑，不能烦，心平气和解决问题;

环境

一切关于配置的问题不声明环境都是耍流氓

系统：Ubuntu16.04 64bit
双显卡：Nvidia...]]></description><category></category></item><item><title><![CDATA[记录几道商汤，旷视面试手撕代码题~]]></title><link>https://blog.youkuaiyun.com/HCYHanson/article/details/102732229</link><guid>https://blog.youkuaiyun.com/HCYHanson/article/details/102732229</guid><author>HCYHanson</author><pubDate>Thu, 24 Oct 2019 22:35:02 +0800</pubDate><description><![CDATA[非科班出身，觉得还是有些难度的，可能自己刷题还不够吧，面试时基本上都是在面试官提点下写出，这里贴出来仅供参考~

商汤：

一面：输入给两个数组，一个数组内数字都是不重复的，要求输出一个数组，该数组只包含两个输入数组的所有相同元素，要求算法复杂度。

eg：输入[3,10,4,9,7,8]和[6,8,10,4,2,1]

    则输出[4,8,10]

思路：先排序，后双指针遍历；


...]]></description><category></category></item><item><title><![CDATA[一文概览主要语义分割网络，FCN、UNet、SegNet、DeepLab 等等等等应有尽有]]></title><link>https://blog.youkuaiyun.com/HCYHanson/article/details/100061447</link><guid>https://blog.youkuaiyun.com/HCYHanson/article/details/100061447</guid><author>HCYHanson</author><pubDate>Sun, 25 Aug 2019 11:33:57 +0800</pubDate><description><![CDATA[文章目录

介绍
	网络架构
	Fully Convolution Networks (FCNs) 全卷积网络
		SegNet
		U-Net
		DeepLab v1
		DeepLab v2
		DeepLab v3
		Fully Convolutional DenseNet
		E-Net 和 Link-Net
		Mask R-CNN
		PSPNet
		RefineNet
		G-...]]></description><category></category></item><item><title><![CDATA[【论文解读】 FPGA实现卷积神经网络CNN（三） 深鉴科技： Going Deeper with Embedded FPGA Platform for CNN]]></title><link>https://blog.youkuaiyun.com/HCYHanson/article/details/92824395</link><guid>https://blog.youkuaiyun.com/HCYHanson/article/details/92824395</guid><author>HCYHanson</author><pubDate>Sat, 10 Aug 2019 11:59:28 +0800</pubDate><description><![CDATA[博主评论：深鉴科技是国内做FPGA实现CNN的高端玩家，2018年被Xilinx收购，现在专做移动端的深度学习加速，开发了端到端的深度学习加速框架DNNDK，博主实测加速效果（ZCU102开发板；计算能力&gt;1.2Tops/s，引入ARM多线程可进一步达到&gt;2Tops/s）。这篇2016年的文章是深鉴科技早期实现卷积神经网络加速的一篇硬核论文，文章写得很深入，这里只做个简要解读~


...]]></description><category></category></item><item><title><![CDATA[原创图像标记工具---Image labeler //标记行人特别版---especially for pedestrian]]></title><link>https://blog.youkuaiyun.com/HCYHanson/article/details/94754330</link><guid>https://blog.youkuaiyun.com/HCYHanson/article/details/94754330</guid><author>HCYHanson</author><pubDate>Wed, 31 Jul 2019 10:52:26 +0800</pubDate><description><![CDATA[实验室采集了专有的行人数据集，我使用MATLAB GUI设计了一个用于标定行人数据集的Image labeler, 标记软件特色在于可以调用ACF行人检测算法先自动标记，后续使用鼠标修改或添加ROI就可以了，可以节省大量的标记时间。

若想用于其它目标的自动标记，也可以下载我的matlab gui源文件，自行修改调用已有检测算法即可。


软件功能介绍：

1，自动标记行人

2，手动修改ROI...]]></description><category></category></item><item><title><![CDATA[Xilinx-SDSoC-FPGA  #pragma SDS data access_pattern  指令将BRAM 用作RAM/FIFO 解析]]></title><link>https://blog.youkuaiyun.com/HCYHanson/article/details/93015275</link><guid>https://blog.youkuaiyun.com/HCYHanson/article/details/93015275</guid><author>HCYHanson</author><pubDate>Tue, 02 Jul 2019 13:20:38 +0800</pubDate><description><![CDATA[平台：ZCU102

开发环境：SDSoC

在做PS端与PL端数据通信时， 需要通过 #pragma SDS data access_pattern指令来指定FPGA综合生成PL端的硬件接口是RAM还是FIFO;

指令语法：


#pragma SDS data access_pattern(ArrayName:&lt;pattern&gt; )

ArrayName: 传递的参数名

&lt...]]></description><category></category></item><item><title><![CDATA[SDSoC软硬件协同设计—— SDS pragma 指令简介]]></title><link>https://blog.youkuaiyun.com/HCYHanson/article/details/90899597</link><guid>https://blog.youkuaiyun.com/HCYHanson/article/details/90899597</guid><author>HCYHanson</author><pubDate>Wed, 05 Jun 2019 12:28:49 +0800</pubDate><description><![CDATA[目录

SDS指令简介

SDS Pragma组合

HLS开发的流程，分成三步，首先在Vivado HLS工具中将C/C++转换成RTL代码并打包成IP核，然后在Vivado IPI中将HLS IP核与Zynq的PS集成在一起，最后在SDK中编写驱动完成整个设计。在这个流程中开发者需要根据应用特点选择合适的接口，合适的DMA，每一次调整都要先在HLS中调整，然后在Vivado更新IP，操作流程十...]]></description><category></category></item><item><title><![CDATA[【论文解读】 FPGA实现卷积神经网络CNN（二）： Optimizing FPGA-based Accelerator Design for DCNN]]></title><link>https://blog.youkuaiyun.com/HCYHanson/article/details/90441807</link><guid>https://blog.youkuaiyun.com/HCYHanson/article/details/90441807</guid><author>HCYHanson</author><pubDate>Mon, 03 Jun 2019 17:57:12 +0800</pubDate><description><![CDATA[博主评论：这篇论文发表在2015年，是一篇FPGA实现CNN的高引用论文，该文从理论与实践结合展示了在FPGA上实现CNN。根据roofline模型分析计算峰值与CTC rate关系，深入探讨了CNN卷积层中的数据依赖关系，进行数据复用从而在内存带宽不变的情况下提升CTC rate，对不同循环分片参数的performance建模，并为每一层卷积选择通用的分片参数来避免复杂的硬件结构。值得一提的是...]]></description><category></category></item><item><title><![CDATA[YUV格式介绍与转换]]></title><link>https://blog.youkuaiyun.com/HCYHanson/article/details/90404699</link><guid>https://blog.youkuaiyun.com/HCYHanson/article/details/90404699</guid><author>HCYHanson</author><pubDate>Tue, 21 May 2019 12:43:59 +0800</pubDate><description><![CDATA[YUV格式有两大类：planar和packed。
对于planar的YUV格式，先连续存储所有像素点的Y，紧接着存储所有像素点的U，随后是所有像素点的V。
对于packed的YUV格式，每个像素点的Y,U,V是连续交*存储的。



YUV，分为三个分量，“Y”表示明亮度（Luminance或Luma），也就是灰度值；而“U”和“V” 表示的则是色度（Chrominance或Chroma），作用...]]></description><category></category></item><item><title><![CDATA[【论文解读】 FPGA实现卷积神经网络CNN（一）： CNP: AN FPGA-BASED PROCESSOR FOR CONVOLUTIONAL NETWORKS]]></title><link>https://blog.youkuaiyun.com/HCYHanson/article/details/90341187</link><guid>https://blog.youkuaiyun.com/HCYHanson/article/details/90341187</guid><author>HCYHanson</author><pubDate>Sun, 19 May 2019 16:57:26 +0800</pubDate><description><![CDATA[博主评论：目前在移动端部署深度学习推断的需求越来越多，博主认为这类需求属于边缘计算的一部分，目前移动端的主要方式有嵌入式ARM，NPU，FPGA等，然而早在2009年，在卷积神经网络之父Yann LeCun挂名的一篇论文里就提出了使用FPGA实现卷积神经网络推断，考察卷积神经网络并行性，并结合FPGA的高并行计算，对人脸检测达到了每秒十帧的速度，虽然现在网络复杂度变高，但同时FPGA计算能力也在...]]></description><category></category></item><item><title><![CDATA[更改Ubuntu默认python版本]]></title><link>https://blog.youkuaiyun.com/HCYHanson/article/details/89979029</link><guid>https://blog.youkuaiyun.com/HCYHanson/article/details/89979029</guid><author>HCYHanson</author><pubDate>Wed, 08 May 2019 22:39:19 +0800</pubDate><description><![CDATA[转自：https://blog.youkuaiyun.com/fang_chuan/article/details/60958329

当你安装 Debian Linux 时，安装过程有可能同时为你提供多个可用的 Python 版本，因此系统中会存在多个 Python 的可执行二进制文件。一般Ubuntu默认的Python版本都为2.x, 如何改变Python的默认版本呢？下面来一起看看吧。

你可以按照以下...]]></description><category></category></item><item><title><![CDATA[python中的main函数]]></title><link>https://blog.youkuaiyun.com/HCYHanson/article/details/89332207</link><guid>https://blog.youkuaiyun.com/HCYHanson/article/details/89332207</guid><author>HCYHanson</author><pubDate>Tue, 16 Apr 2019 14:31:40 +0800</pubDate><description><![CDATA[python是一种解释型脚本语言，和C/C++语言不同，C/C++程序从main函数开始执行，python程序从开始到结尾顺序执行。先总结下python中的main函数的作用：让模块（函数）可以自己单独执行（调试）,相当于构造了调用其它函数的入口，这就类似于C/C++里面的main函数了。

一方面：我们想要自己单独执行（调试）

这里我们实际调试一下（假设这个文件是test.py）：


#t...]]></description><category></category></item><item><title><![CDATA[yolov3-tiny模型分析（含自己绘制的网络模型图）]]></title><link>https://blog.youkuaiyun.com/HCYHanson/article/details/89036226</link><guid>https://blog.youkuaiyun.com/HCYHanson/article/details/89036226</guid><author>HCYHanson</author><pubDate>Thu, 04 Apr 2019 22:36:26 +0800</pubDate><description><![CDATA[最近在实验室做行人检测的项目，希望最后可以做到硬件上面去，所以挑选了yolov3的tiny版本。在实验室专有行人数据集下训练，检测效果还不错，在1080ti上推断速度达到了30fps, 这里和大家一起撸一下yolov3-tiny的网络结构：

相比于yolov3, tiny版本将网络压缩了许多，没有使用res层(残差层)，只使用了两个不同尺度的yolo输出层，但总体思路还是可以借鉴yolov3的。...]]></description><category></category></item></channel></rss>