liu5226310的专栏

使用TensorRT和Jetson TX1 / TX2部署深度学习推理网络和深度视觉原语的指南 学习一。感谢Dustin Franklin，NVIDIA技术大牛的分享。Classifying Images with ImageNetTensorRT下载地址：https://developer.nvidia.com/nvidia-tensorrt-download TesnsoRT介绍文档：http...

通过 digest  来做分类TensorRT下载地址：https://developer.nvidia.com/nvidia-tensorrt-download TesnsoRT介绍文档：https://devblogs.nvidia.com/tensorrt-3-faster-tensorflow-inference/ TensorRT开发者指南：http://docs.nvidia.com/...

通过digest 来创建 detectNet 模型。ensorRT下载地址：https://developer.nvidia.com/nvidia-tensorrt-download TesnsoRT介绍文档：https://devblogs.nvidia.com/tensorrt-3-faster-tensorflow-inference/ TensorRT开发者指南：http://docs.n...

下载不同的digest 模型，狗模型。TensorRT下载地址：https://developer.nvidia.com/nvidia-tensorrt-download TesnsoRT介绍文档：https://devblogs.nvidia.com/tensorrt-3-faster-tensorflow-inference/ TensorRT开发者指南：http://docs.nvidia....

通过SegNet 来实现图片的分割TensorRT下载地址：https://developer.nvidia.com/nvidia-tensorrt-download TesnsoRT介绍文档：https://devblogs.nvidia.com/tensorrt-3-faster-tensorflow-inference/ TensorRT开发者指南：http://docs.nvidia.co...

机器人深化强化学习在本教程中，我们将创建人工智能代理，从与环境交互中学习，收集经验，并通过深度强化学习（深度RL）获得奖励系统。使用将原始像素转换为动作的端到端神经网络，RL训练的代理能够展示直观的行为并执行复杂的任务。最终，我们的目标是通过3D虚拟机器人仿真训练强化学习代理，并将代理转移到真实世界的机器人。强化学习者根据环境状态（如摄像机输入）和奖励向代理提供关于其性能的反馈，为代理选择最佳行为...