<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[gulingfengze的博客]]></title><description><![CDATA[学而不思则罔，思而不学则殆。]]></description><link>https://blog.youkuaiyun.com/gulingfengze</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; gulingfengze]]></copyright><item><title><![CDATA[Linux杀掉僵尸进程方法]]></title><link>https://blog.youkuaiyun.com/gulingfengze/article/details/133925641</link><guid>https://blog.youkuaiyun.com/gulingfengze/article/details/133925641</guid><author>gulingfengze</author><pubDate>Thu, 19 Oct 2023 14:20:59 +0800</pubDate><description><![CDATA[linux杀掉僵尸进程方法]]></description><category></category></item><item><title><![CDATA[Ubuntu安装Netron并创建快捷键启动图标]]></title><link>https://blog.youkuaiyun.com/gulingfengze/article/details/133808815</link><guid>https://blog.youkuaiyun.com/gulingfengze/article/details/133808815</guid><author>gulingfengze</author><pubDate>Fri, 13 Oct 2023 13:42:40 +0800</pubDate><description><![CDATA[Ubuntu安装Netron并创建快捷键启动图标]]></description><category></category></item><item><title><![CDATA[YOLOv8 PTQ量化实战]]></title><link>https://blog.youkuaiyun.com/gulingfengze/article/details/133074507</link><guid>https://blog.youkuaiyun.com/gulingfengze/article/details/133074507</guid><author>gulingfengze</author><pubDate>Wed, 20 Sep 2023 14:23:15 +0800</pubDate><description><![CDATA[YOLOv8的PTQ量化实战]]></description><category></category></item><item><title><![CDATA[Win10+TensorRT 8.5安装+VS2022配置]]></title><link>https://blog.youkuaiyun.com/gulingfengze/article/details/108425949</link><guid>https://blog.youkuaiyun.com/gulingfengze/article/details/108425949</guid><author>gulingfengze</author><pubDate>Sun, 06 Sep 2020 00:15:25 +0800</pubDate><description><![CDATA[Win10+TensorRT8.5安装+VS2022配置]]></description><category></category></item><item><title><![CDATA[快速创建conda虚拟环境和安装库文件]]></title><link>https://blog.youkuaiyun.com/gulingfengze/article/details/105930142</link><guid>https://blog.youkuaiyun.com/gulingfengze/article/details/105930142</guid><author>gulingfengze</author><pubDate>Tue, 05 May 2020 11:51:50 +0800</pubDate><description><![CDATA[步骤

新建虚拟环境，名为tf2，python版本3.6
注：如果不加镜像链接，创建将很慢.


conda create --name tf2 python=3.6 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/


进入虚拟环境tf2并使用pip安装库文件，比如安装opencv


conda activate
pip i...]]></description><category></category></item><item><title><![CDATA[Win10+VS2015+CUDA10+Tensorflow GPU C++ API接口编译]]></title><link>https://blog.youkuaiyun.com/gulingfengze/article/details/91340372</link><guid>https://blog.youkuaiyun.com/gulingfengze/article/details/91340372</guid><author>gulingfengze</author><pubDate>Tue, 10 Sep 2019 01:43:29 +0800</pubDate><description><![CDATA[1. 安装anaconda3
Python3.6.x 版本
2. 安装VS2015
VS下载地址： Visual Studio
VS2017没测试，应该也没问题
3. 安装MSYS2、Bazel
MSYS2下载地址： MSYS2 installer
Bazel下载地址： Bazel
将下载的bazel名字改为bazel.exe ，并将该bazel.exe添加到msys64\usr\bin中(根据自...]]></description><category></category></item><item><title><![CDATA[Linux(Uuntu)下Tensorflow GPU C++ API接口编译]]></title><link>https://blog.youkuaiyun.com/gulingfengze/article/details/95658237</link><guid>https://blog.youkuaiyun.com/gulingfengze/article/details/95658237</guid><author>gulingfengze</author><pubDate>Tue, 10 Sep 2019 00:04:00 +0800</pubDate><description><![CDATA[步骤：

安装bazel
注意：一定要下载合适的版本，否则会出现各种莫名其妙的错误
下载tensorflow源码


git clone https://github.com/tensorflow/tensorflow.git
cd tensorflow


编译 configure


./configure

配置会话示例参考：
./configure
You have bazel 0.19....]]></description><category></category></item><item><title><![CDATA[基于tensorflow-slim实现分类任务]]></title><link>https://blog.youkuaiyun.com/gulingfengze/article/details/92712707</link><guid>https://blog.youkuaiyun.com/gulingfengze/article/details/92712707</guid><author>gulingfengze</author><pubDate>Tue, 18 Jun 2019 01:45:53 +0800</pubDate><description><![CDATA[0. 环境准备
安装bazel 0.19.1 （本文测试版本)
Anaconda3 python 3.6.5  （本文测试版本)
CUDA10/cuDNN7.5.0 (本文测试版本)
显卡2070（本文测试版本）
tesorflow 1.13.1 （本文测试版本）
1. 基本配置
下载tensorflow源码tensorflow源码（切换到v1.12.0版本 — 本文测试版本），进入到tensor...]]></description><category></category></item><item><title><![CDATA[Ubuntu安装NCCL]]></title><link>https://blog.youkuaiyun.com/gulingfengze/article/details/92384178</link><guid>https://blog.youkuaiyun.com/gulingfengze/article/details/92384178</guid><author>gulingfengze</author><pubDate>Sun, 16 Jun 2019 11:49:49 +0800</pubDate><description><![CDATA[1.下载NCCL
官网下载地址
根据想要安装的nccl版本以及自己cuda版本选择对应下载项，以我自己安装的情况为例，选择下载：Download NCCL v2.3.7, for CUDA 10.0, Nov 8 &amp; Dec 14, 2018
nccl下载安装分本地安装(Local installers (x86))和网络安装(Network installers (x86))， 这里我们...]]></description><category></category></item><item><title><![CDATA[Win10+VS2017+PyTorch(libtorch) C++ 基本应用]]></title><link>https://blog.youkuaiyun.com/gulingfengze/article/details/92013360</link><guid>https://blog.youkuaiyun.com/gulingfengze/article/details/92013360</guid><author>gulingfengze</author><pubDate>Sat, 15 Jun 2019 00:27:32 +0800</pubDate><description><![CDATA[0.下载准备


下载安装VS2017或VS2015


下载安装opencv
可以参考博客：VS2017配置opencv教程 ，该博客中写的很详细


安装cmake
记得把bin目录添加到环境变量path中，例如我的：E:\SoftEnv\CMake\bin


下载libtorch
下载地址：PyTorch libtorch ，这个根据自己情况选择下载，因为我自己的是cuda10，并且我选择...]]></description><category></category></item><item><title><![CDATA[Ubuntu 18.04 安装显卡驱动+CUDA10+多版本CUDA+Tensorflow gpu1.13.1]]></title><link>https://blog.youkuaiyun.com/gulingfengze/article/details/89683511</link><guid>https://blog.youkuaiyun.com/gulingfengze/article/details/89683511</guid><author>gulingfengze</author><pubDate>Sat, 25 May 2019 23:26:51 +0800</pubDate><description><![CDATA[废话不多说，直奔主题！
一.安装驱动
1.去官网下载驱动，这个根据自己的显卡去搜索，比如我的卡是RTX2070：

然后点击“搜索”按钮，出现界面：

这里提示对应的驱动版本，点击下载就好了，下载的是一个xxx.run文件，我的是：NVIDIA-Linux-x86_64-418.56.run 。
2.删除之前的驱动，不管有没有装过，执行一次下面命令就好：
sudo apt-get remove ...]]></description><category></category></item><item><title><![CDATA[win10 安装pycocotools]]></title><link>https://blog.youkuaiyun.com/gulingfengze/article/details/89577070</link><guid>https://blog.youkuaiyun.com/gulingfengze/article/details/89577070</guid><author>gulingfengze</author><pubDate>Fri, 26 Apr 2019 21:27:20 +0800</pubDate><description><![CDATA[cmd打开执行以下命令即可：
 pip install "git+https://github.com/philferriere/cocoapi.git#egg=pycocotools&amp;subdirectory=PythonAPI"


]]></description><category></category></item><item><title><![CDATA[Win10安装tensorflow gpu版本导入tensorflow报DLL load failed问题解决办法参考]]></title><link>https://blog.youkuaiyun.com/gulingfengze/article/details/89528769</link><guid>https://blog.youkuaiyun.com/gulingfengze/article/details/89528769</guid><author>gulingfengze</author><pubDate>Thu, 25 Apr 2019 23:51:47 +0800</pubDate><description><![CDATA[系统：win10
cuda版本：9.0
cudnn版本：7.4.2
python：Anaconda3
tensorflow（gpu）：1.13.0
使用pip安装tensorflow时候提示正确安装，但是执行命令：
import tensorflow as tf

后，报DLL load failed错误，网上查找了很多博客并尝试，最终也是参考博客：https://blog.youkuaiyun.com/gu...]]></description><category></category></item><item><title><![CDATA[Tensorflow Object Detection之Mask R-CNN]]></title><link>https://blog.youkuaiyun.com/gulingfengze/article/details/80137767</link><guid>https://blog.youkuaiyun.com/gulingfengze/article/details/80137767</guid><author>gulingfengze</author><pubDate>Sat, 28 Apr 2018 17:43:08 +0800</pubDate><description><![CDATA[Tensorflow的目标检测API中除了提供基本的目标检测之外还提供了物体的实例分割。API中提供的实例分割算法是Mask R-CNN，网上很多关于该算法的讲解，这里就不献丑了，直接看看如何使用，上代码：

import numpy as np  
import os  
import six.moves.urllib as urllib  
import sys  
import tarfil...]]></description><category></category></item><item><title><![CDATA[InceptionV3迁移学习训练并预测]]></title><link>https://blog.youkuaiyun.com/gulingfengze/article/details/79917578</link><guid>https://blog.youkuaiyun.com/gulingfengze/article/details/79917578</guid><author>gulingfengze</author><pubDate>Thu, 12 Apr 2018 19:44:52 +0800</pubDate><description><![CDATA[迁移学习的内容这里就不说它了，这里有篇文章推荐给大家：数据不够怎么训练深度学习模型？不妨试试迁移学习 。内容基本上来源《TensorFlow:实战Google深度学习框架》和这篇博文【TensorFlow】迁移学习（使用Inception-v3） ，这里对三位作者表示感谢！

1.数据集与模型下载

数据集下载 
inceptionV3模型 ，密码：ilab



2.训练代码



import...]]></description><category></category></item><item><title><![CDATA[视频目标检测识别]]></title><link>https://blog.youkuaiyun.com/gulingfengze/article/details/79690465</link><guid>https://blog.youkuaiyun.com/gulingfengze/article/details/79690465</guid><author>gulingfengze</author><pubDate>Sun, 25 Mar 2018 21:53:21 +0800</pubDate><description><![CDATA[之前文章目标检测API 已经介绍过API的基本使用，这里就不赘述了，直接上本次内容的代码了，添加的内容并不多。将测试的test.mp4原文件放到models-master\research\object_detection路径下，并创建一个detect_video.py文件，代码内容如下：



import os
import cv2
import time
import argparse
im...]]></description><category></category></item><item><title><![CDATA[目标检测之数据集训练和模型调用]]></title><link>https://blog.youkuaiyun.com/gulingfengze/article/details/79658879</link><guid>https://blog.youkuaiyun.com/gulingfengze/article/details/79658879</guid><author>gulingfengze</author><pubDate>Fri, 23 Mar 2018 19:15:38 +0800</pubDate><description><![CDATA[1.准备训练数据

之前的文章中VOC2007格式数据集制作已经说明了VOC2007数据集的制作方法，而Tensorflow Object Detection API使用是TFRecord文件数据格式，所以我们还需要将其转为TFRecord格式。

我们首先来创建一个dataset文件夹和trainModels文件夹，为了不影响原API源码的目录结构，我们假设在C:\Development\下创建...]]></description><category></category></item><item><title><![CDATA[目标检测之Object Detection API 测试]]></title><link>https://blog.youkuaiyun.com/gulingfengze/article/details/79644760</link><guid>https://blog.youkuaiyun.com/gulingfengze/article/details/79644760</guid><author>gulingfengze</author><pubDate>Wed, 21 Mar 2018 21:25:26 +0800</pubDate><description><![CDATA[1.前置工作


安装Tensorflow，要求1.4及以上版本。
安装pillow、jupyter、matplotlib、lxml。
下载Tensorflow Object_detection API框架：框架
下载Protobuf，下载地址：Protobuf 

这里说下window环境下protobuf的编译。下载Protobuf后解压缩，然后将其文件bin的路径配置到环境变量中，然后以管理...]]></description><category></category></item><item><title><![CDATA[目标检测之VOC2007格式数据集制作]]></title><link>https://blog.youkuaiyun.com/gulingfengze/article/details/79639111</link><guid>https://blog.youkuaiyun.com/gulingfengze/article/details/79639111</guid><author>gulingfengze</author><pubDate>Wed, 21 Mar 2018 16:42:10 +0800</pubDate><description><![CDATA[1.前序

前几天师弟问我如何做自己的VOC2007数据集的事情，当时跟他说网上资料很多，让他自己查查，但不知道什么原因和我说还是没搞好。自己想想也是，不熟悉的东西即便在别人眼里看似很简单，到了自己跟前也变得深奥到天际。所以这里方便大家一起学习就写了这篇博客，供大家和师弟参考，如有错误的地方还请大家指教。 
在做目标检测时，我们需要准备好自己的数据集，将其制作为VOC2007格式的数据集，这里可以...]]></description><category></category></item><item><title><![CDATA[BP神经网络]]></title><link>https://blog.youkuaiyun.com/gulingfengze/article/details/78165574</link><guid>https://blog.youkuaiyun.com/gulingfengze/article/details/78165574</guid><author>gulingfengze</author><pubDate>Fri, 06 Oct 2017 15:54:47 +0800</pubDate><description><![CDATA[反向传播（Back Propagation，简称BP）神经网络解决了多层神经网络的学习问题，广泛应用于分类识别、图像识别、压缩、逼近以及回归等领域，其结构如下所示。 


另外介绍及格激活函数：sigmoid、tanh和softsign。神经网络中的激活函数，其作用就是引入非线性。 
Sigmoid：sigmoid的优点是输出范围有限，数据在传递的过程中不容易发散，求导很容易（y=sigmoid(]]></description><category></category></item></channel></rss>