- 博客(17)
- 收藏
- 关注
RSS订阅原创 嵌入式链接脚本.ld文件
ORIGIN 指定了内存区域的起始地址，而 LENGTH 则定义了区域的大小，在MEMORY区块中，可以定义各种内存区域及其属性，如只读(ROM)或读写(RAM)。链接器脚本想要实现类似于__weak关键字的功能，如果在链接脚本定义了符号，在C中引用但未定义则会链接到链接脚本的符号，如果C中定义了该符号，则链接到C定义。如果 symbol 在链接器全局符号表中，并且在使用 DEFINED 的脚本位置之前定义了，就会返回 1，否则返回 0。定义了数据段的结尾，用于计算DATA_SEGMENT_ALIGN。
2024-11-02 21:04:08
570
原创 VS2019 配置编译Opencl
1.安装cuda从NVIDIA 官网下载CUDA 并双击运行安装程序，安装完成后如下：头文件： NVIDIA_GPU_Computing_toolkit\CUDA\v11.5\include\CL库文件：NVIDIA_GPU_Computing_toolkit\CUDA\v11.5\lib\Win322. VS2019 配置项目1.项目–> 属性 -->VC++目录->包含目录 --> NVIDIA_GPU_Computing_toolkit\CUDA\v11.5\in
2022-01-06 21:36:36
986
1
原创 TVM优化深度学习模型基于autotvm和auto-scheduling
在上篇文章中介绍了利用tvm将深度学习模型部署到端侧，只是涉及到简单的格式转换和动态库生成，没有针对部署硬件进行性能优化，本篇文章介绍两种优化模型执行性能的方法。一、基于autotvm参考社区基于autotvm优化模型和tune优化模型未优化版import osimport onnximport numpy as npfrom PIL import Imageimport tvmfrom tvm import relayimport tvm.contrib.graph_executor
2021-08-15 17:59:46
1043
原创 TVM部署神经网络模型到android端
tvm是深度学习编译器，它可以把神经网络模型编译成动态库，然后部署到多种硬件上，包括各种端侧设备。一、安装tvm此处是在linux环境下安装tvm，通过tvm的python接口将深度学习模型编译成动态链接库，参考链接：tvm安装教程二、交叉编译libtvm_runtime.so下载NDK工具，解压到/opt目录下，然后在tvm的代码的根目录执行以下shell命令，在buildruntime目录下得到libtvm_runtime.soset -eexport ANDROID_NDK = /opt/
2021-08-14 00:23:44
2597
2
原创 Distortion-Free Wide-Angle Portraits on Camera Phones论文解读
一、背景 手机端的摄像技术近年来发展迅猛，各大厂商都推出广角甚至超广角镜头的手机，广角镜头视野更广，尤其在合影时能够拍摄到更多的人，但是位于边缘的人像被投影到平面后明显能看到被拉伸变形，向两侧扩展，尤其是人脸更加的明显，这篇论文提出了一种新的方法让边缘人像不再畸变，拍照不用抢C位。 透视投影 (Perspective Projection) 。从一个投射中心出发，把一个3D物体投在2D表面上。忠于透视原理，近大
2021-08-01 23:48:20
769
原创 TNN源码解析1-从benckmark梳理TNN逻辑
TNN 介绍TNN benckmark配置NDK(在benchmark\benchmark_android目录下的benchmark_models.sh文件中指定NDK的路径exportANDROID_NDK=youpath)把目标手机链接到电脑上，使用adb连接直接运行bench_android.shTNN运行机制简介完成了benchmark的运行之后，我们便从其入口开始（test\test.cc），梳理其运行机制，很容易发现程序的入口int main(int argc,
2021-07-25 20:28:24
1138
原创 TNN模型结构详解
TNN模型包含2个文件：模型结构描述文件tnnproto和模型权重文件tnnmodel模型描述文件，对模型的结构信息和每一层的参数信息进行了描述，是文本格式的文件，具体内容如下：模型权重文件，保存各个算子的权值，是二进制文件，具体内容遵守以下协议：...
2021-07-25 13:49:37
2599
转载 使用国内镜像网站解决github clone速度慢问题
原文：https://blog.youkuaiyun.com/u014630636/article/details/106181159 问题描述 我从github clone一些项目的时候速度极慢，有时候clone到一半还会失败，简直令人抓狂。 快速克隆github项目插件
2021-07-04 10:37:43
303
原创 ONNX模型结构转文本格式
深度学习端侧推理框架核心元素：模型结构定义及存储tensor的定义内存分配算法多线程计算onnx框架的模型结构利用protobuf库定义模型元素及保存模型结构，以下借助protobuf的API将onnx模型由二进制转为文本格式，文本格式可以清楚的查看onnx模型都有哪些字段和内容，配合对应的proto文件帮助更深刻理解模型结构。下载onnx.proto文件， 注释最后一行，因为使用protobuf-lite会少很多实用接口。// For using protobuf-lite//opti
2021-07-03 21:41:52
813
原创 MNN框架源码解读--多线程计算线程池实现分析
MNN在算子计算时实现了多线程进行加速，对应的多线程编译选项：MNN_USE_THREAD_POOL，默认开启，使用 MNN 内部的无锁线程池实现多线程优化，关闭后，视MNN_OPENMP开关选择OpenMP或关闭多线程优化。（注：MNN 的无锁线程池最多允许两个实例同时使用，即最多供两个模型同时推理使用。参考代码 source/backend/cpu/ThreadPool.cpp 中 MNN_THREAD_POOL_MAX_TASKS 宏的定义。以Matmul算子的计算为例，代码中与多线程相关的两个宏M
2021-06-20 00:04:58
1430
原创 MNN框架源码解读--Convert模块
Convert模块-模型转换一、编译Convertcd MNN/./schema/generate.shmkdir buildcd buildcmake .. -DMNN_BUILD_CONVERTER=true && make -j4二、转换命令进入build目录，可以看到刚才编译出的可执行文件MNNConvert。tensorflow:./MNNConvert -f TF --modelFile XXX.pb --MNNModel XXX.mnn --bizCode
2021-05-30 16:41:39
1794
原创 MNN模型结构解读
MNN模型结构解读–反序列化为文本格式MNN是阿里开源的端侧深度学习框架，支持Tensorflow、Caffe、ONNX、tflite主流模型文件格式，通过Convert模块将已经训练好的网络模型转为MNN定义的模型格式，官方已经支持Netron工具可视化MNN模型，由于MNN的模型结构定义使用了flatbuffers库，因此可以通过flatbuffers的接口将.mnn格式的文件解析为文本格式。flatbuffers是谷歌开源的序列化结构化库，相比protobuf库性能更好更加轻量，只需包含inclu
2021-05-30 15:04:41
2467
原创 Sublime text 3 中用sftp插件同步代码
Sublime text有各类插件进行功能扩展，而安装这些插件就需要借助Package Control插件，Sftp可以用来同步本地和服务器的文件，下面记录其安装过程。（1）单击菜单栏 Tools-Command Paletter打开命令行（也可以用快捷键Ctrl+Shift+p），然后输入package control，回车。（2）稍等片刻，软件提示Package Control was ...
2019-07-06 21:50:59
686
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人