- 博客(47)
- 资源 (6)
- 收藏
- 关注
RSS订阅原创 ChatTTS部署
该篇文章的主要目的是指导用户如何安装和配置一个基于ChatTTS（可能是一个文本到语音（TTS）的模型或应用）的环境，以便通过Web用户界面（WebUI）进行文本到语音的转换和语音生成。
2024-08-15 20:53:02
666
原创 Ollama + WebUI本地化部署大模型
文章的主要目的是提供一个详细的指南，说明如何在Windows操作系统上安装和配置Ollama工具，以便用户能够在本地环境中轻松地部署和使用大型语言模型。帮助读者了解Ollama的基本功能，并提供实用的操作步骤，使他们能够有效地使用Ollama工具在本地运行和测试大型语言模型
2024-08-09 17:24:54
18316
6
原创 Ollama 使用指南
文章的主要目的是介绍 Ollama 这一工具的功能、安装方法、模型库以及如何使用它来运行和管理大型语言模型。文章旨在向潜在用户展示如何利用 Ollama 快速且简便地在其本地环境中部署和使用先进的语言模型，同时也提供了有关模型自定义和管理的具体指导。
2024-08-09 15:12:31
10536
原创 大学新生入门编程的最佳路径：从迷茫到放弃
随着信息技术的发展，编程已经成为当代大学生的一项必备技能。无论是计算机科学专业的学生还是对编程感兴趣的其他专业学生，掌握一门或多门编程语言对于提升个人竞争力、开拓职业道路都有着不可估量的价值。然而，面对众多编程语言和学习资源，许多新生往往感到无从下手。本文旨在帮助你找到适合自己的编程语言，并提供一些高效的学习方法，让你在编程之旅中少走弯路。选择合适的编程语言并制定有效的学习计划，将使你在大学期间乃至未来的职业生涯中受益匪浅。记住，持之以恒才是成功的关键。在开始学习之前，首先要思考的是为什么学习编程。
2024-08-08 15:27:26
545
原创 Qwen大模型简介
Qwen系列大模型的参数规模为18亿（1.8B）、70亿（7B）、140亿（14B）和720亿（72B），包括基础模型Qwen，即Qwen-1.8B、Qwen-7B、Qwen-14B、Qwen-72B，以及对话模型Qwen-Chat，即Qwen-1.8B-Chat、Qwen-7B-Chat、Qwen-14B-Chat和Qwen-72B-Chat。Qwen1.5系列大模型包含6个不同参数规模的版本，分别是5亿、18亿、40亿、70亿、140亿和720亿。相比较第一代，增加了5亿规模版本和40亿参数规模版本。
2024-08-08 15:24:11
11192
原创 Windows10下多版本CUDA的安装与切换
该文章主要介绍了在Windows系统中安装多版本CUDA的步骤以及如何切换CUDA版本，具体包括确定硬件支持的CUDA版本、下载并安装CUDA、安装与之匹配的cudnn、通过修改环境变量来切换CUDA版本等内容，以满足深度学习中对不同CUDA版本的需求。
2024-08-07 22:27:09
1401
原创 Llama的前世今生
本文详细梳理了Meta发布的Llama系列模型的演进历程，包括Llama1、Llama2、Llama3及Llama3.1。Llama1于2023年2月发布，有多个参数量版本，在大多基准测试中超越GPT - 3，但不可免费商用；Llama2于2023年7月发布，参数量版本有所增加，预训练语料扩充，引入新技术，并发布了面向对话应用的微调系列模型Llama2 - Chat和专注于代码生成的Code - Llama；Llama3于2024年4月发布，支持8K长文本，采用新的tokenizer，预训练数据使用了大量语
2024-07-30 17:17:13
653
原创 LLM学习教程
LLM 正在逐步改变人们的生活，而对于开发者，如何基于 LLM 提供的 API 快速、便捷地开发一些具备更强能力、集成LLM 的应用，来便捷地实现一些更新颖、更实用的能力，是一个急需学习的重要能力。随着 LLM 的发展，其大致可以分为两种类型，后续称为基础 LLM和指令微调（Instruction Tuned） LLM。基础LLM是基于文本训练数据，训练出预测下一个单词能力的模型。其通常通过在互联网和其他 来源的大量数据上训练，来确定紧接着出现的最可能的词。
2024-07-26 16:19:58
787
原创 电子回执单、电子发票裁切工具
本次任务主要包括四个步骤，首先读取 PDF 文件，接着将其转换为图片格式，然后准确找出其中的分割线，最后把经过裁剪的图片分别保存为 jpg 格式，以实现对 PDF 文件的有效处理和图片的单独保存，满足特定的使用需求。例如在文档处理、图像分析等场景中，可提高工作效率和准确性。
2024-07-26 16:16:30
938
原创 RKNN模型部署（2）——环境配置
RKNN支持许多框架训练的模型，但由于本人目前主要使用pytorch框架来训练模型，因此该部署教程是以Pytorch模型部署过程为例进行说明，后面再继续补充ONNX模型部署过程。
2023-01-11 17:34:18
5395
8
原创 RKNN模型部署（1）—— 相关介绍
Rockchip板载AI芯片，内置高能效NPU，拥有强劲算力，支持多种AI框架和AI应用开发SDK，易于开发，拥有面向AI应用的丰富接口，便于扩展，适用于语音唤醒、语音识别、人脸识别等功能应用场景。
2023-01-11 17:33:26
3856
原创 8、双目测距及3D重建python
双目相机实现双目测距主要分为4个步骤：相机标定、双目校正、双目匹配、计算深度信息。双目相机实现三维重建主要分为2个步骤：构建点云、显示点云。
2023-01-11 16:29:11
3241
1
原创 7、代价聚合Python
代价聚合的根本目的是让代价值能够准确的反映像素之间的相关性。匹配代价的计算往往只会考虑局部信息，通过两个像素邻域内一定大小的窗口内的像素信息来计算代价值，这很容易受到影像噪声、弱纹理或重复纹理的影响。而代价聚合则是建立邻接像素之间的联系，以一定的准则，来对代价矩阵进行优化。每个像素在某个视差下的新代价值都会根据其相邻像素在同一视差值或者附近视差值下的代价值来重新计算。
2023-01-11 16:26:18
1182
2
原创 5、立体匹配与视差图计算
立体匹配的目的是为左图中的每一个像素点在右图中找到其对应点，这样就可以计算出视差。大部分立体匹配算法的计算过程可以分成以下几个阶段：匹配代价计算、代价聚合、视差计算、视差优化。
2023-01-11 16:12:55
2085
原创 4、OpenCV-Python双目标定流程
双目视觉标定就是通过求解实际三维空间中坐标点和摄像机二维图像坐标点的对应关系，在该篇文章中，利用opencv-python检测棋盘格角点获取到用于计算二维图像坐标和三维空间的物理坐标求解出变换矩阵。
2023-01-11 16:09:32
6262
9
原创 1、相机标定原理
相机标定可以说是计算机视觉/机器视觉的基础，也是面试过程中经常出现的问题。相机标定涉及的知识面很广，成像几何、镜头畸变、单应矩阵、非线性优化等。在双目测距系统中，相机标定能消除畸变，进行立体校正，从而提高视差计算的准确性，这样才能得到精确的深度图。
2023-01-11 15:57:54
3441
原创 PaddleLited的工作流程
Paddle-Lite 框架作为 PaddleMobile 新一代架构，重点支持移动端推理预测，特点高性能、多硬件、轻量级。
2022-08-11 11:22:18
745
原创 pp-picodet从环境配置到部署全流程（10）—— 供其它项目调用
虽然在部署时就是调用Lite的API来进行模型推理，但在模型推理后一般还需要后处理等操作（如：nms，画出Bbox等），如果项目中只想使用简单且无需进一步处理的检测结果，或不想自己创建接口文件等，那么这里想到的一个方式就是打包成so库和jar包，以供其它项目直接调用。.........
2022-07-28 10:28:48
724
原创 pp-picodet从环境配置到部署全流程（8）——如何运行Demo
本片文章首先从整体介绍Picodet_Detection_Demo 的代码结构，然后再从 Java 和 C++ 两部分简要的介绍 Demo 每部分功能。
2022-07-27 21:11:00
577
原创 pp-picodet从环境配置到部署全流程（6）——PaddleLite第三方模型部署
X2Paddle是飞桨生态下的模型转换工具，致力于帮助其它深度学习框架用户快速迁移至飞桨框架。目前支持推理模型的框架转换与PyTorch训练代码迁移，还提供了详细的不同框架间API对比文档，降低开发者上手飞桨核心的学习成本。目前已经支持Caffe/TensorFlow/ONNX/PyTorch的模型一键转为飞桨的预测模型，并使用PaddleInference/PaddleLite进行CPU/GPU/Arm等设备的部署；此外还支持PyTorch项目Python代码（包括训练、预测.........
2022-07-27 21:00:46
753
原创 pp-picodet从环境配置到部署全流程（5）——PaddleLite端侧部署
PaddleDetection提供了Paddle Inference、Paddle Serving、Paddle-Lite多种部署形式，支持服务端、移动端、嵌入式等多种平台，提供了完善的Python和C++部署方案。Paddle Lite是飞桨轻量化推理引擎，为手机、IOT端提供高效推理能力，并广泛整合跨平台硬件，为端侧部署及应用落地问题提供轻量化的部署方案。本篇文章就是主要介绍paddlelite的使用。.........
2022-07-27 16:30:26
704
1
原创 pp-picodet从环境配置到部署全流程（3）—— 数据准备
paddledetection训练模型主要可使用VOC格式和COCO格式的数据，本篇文章将重点介绍怎么按格式准备自己的数据集，以及如何将其他格式的数据集转成COCO格式。
2022-07-27 16:17:03
752
原创 pp-picodet从环境配置到部署全流程（1）——pp-picodet的优势所在
本篇文章要介绍的是百度飞桨的轻量级目标检测PP-Picodet，PP-Picodet针对模型的速度、精度、体积和部署都作出了优化，并且确定显著的成果。
2022-07-27 16:08:58
969
原创 pp-picodet从环境配置到部署全流程（2）—— 环境配置
pp-picodet是基于百度飞桨paddlepaddle框架进行开发的，所以首先需要安装paddlepaddle框架，然后安装paddledetection项目,接着还需要安装IDE作为开发工具
2022-07-27 15:57:59
688
原创 YOLOX从训练到NCNN部署全流程(6)——模型部署
这个部分的目的就是新建一个库，专门用来调用深度学习模型，然后将库打包起来供别人从java层调用这个库。因为jni中的函数名是有特殊要求的，它会指定jni的java接口的路径，如果不提供jar包，那么使用者就要按照我们在jni头文件中声明的函数名来建立java文件，这是几乎不可能的事情。..................
2022-07-13 14:23:29
768
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人