- 博客(16)
- 收藏
- 关注
RSS订阅原创 C++中智能指针学习（shared_ptr、unique_ptr）
C++中智能指针学习。包括shared_ptr和unique_ptr一些代码案例
2023-02-22 13:37:47
210
原创 YOLOv5在C++中通过Onnxruntime在window平台上的cpu与gpu推理
YOLOv5在C++中通过Onnxruntime在window平台上的cpu与gpu推理
2023-02-22 13:05:22
5009
3
原创 OpenCV4机器学习算法原理与编程实战——书中代码解析
本文将根据《OpenCV4机器学习算法原理与编程实战》书中内容学习OpenCV的相关知识。
2022-11-23 14:02:37
1343
原创 Python中使用改进U-Net分割模型测试paddle框架、onnxruntime与TensorRT的推理速度
Python中使用改进U-Net分割模型测试paddle框架、onnxruntime与TensorRT的推理速度
2022-11-20 17:28:45
2660
1
原创 项目问题解决记录（C++&Qt）
项目问题解决记录（C++&Qt）本人是个菜鸟 本博客主要用于记录项目中遇到的C++问题 不定时更新普通知识点在类定义中的定义的函数都是** 内联函数 **，即使没有使用 inline 说明符；优点: 当函数体比较小的时候, 内联该函数可以令目标代码更加高效。 对于存取函数以及其它函数体比较短, 性能关键的函数, 鼓励使用内联。缺点: 滥用内联将导致程序变慢。 内联可能使目标代码量或增或减, 这取决于内联函数的大小。结论: 一个较为合理的经验准则是, 不要内联超过 10 行的
2021-09-23 16:44:29
272
原创 igraph入门教程
python-igraph的基本操作参考：python-igraph官网教程ps：在jupyter上运行后直接导出的md，可能有点乱码部分翻译靠的是机翻，勿细究更多的教程在igraph的官网上，链接已给出import igraphprint(igraph.__version__)0.9.6from igraph import *g = Graph()gprint(g)IGRAPH U--- 0 0 --g.add_vertices(3) # 添加节点g.add_e
2021-07-15 16:45:45
11452
原创 动手学深度学习课程笔记ch02
ch_02线性代数线性代数李老师讲得比较少，需要自己下去多看看书，后期还是需要一些矩阵论的知识。基本知识标量：由只有一个元素的张量表示（一般为数据的标签）。# 创建标量进行运算import torchx = torch.tensor([3.0])y = torch.tensor([2.0])x + y, x * y, x / y, x**y输出：(tensor([5.]), tensor([6.]), tensor([1.5000]), tensor([9.]))向量：多
2021-07-15 16:11:18
547
原创 轴的概念——跟着李沐学AI课程笔记（补充）
如何理解torch/numpy求和函数sum中的axis参数用行和列的概念对于更高维度的张量/数组可能不好理解，因此引入“轴”的概念：轴：就是每个张量的维度数的长度例如：一个向量[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]，其形状为torch.Size([12]))，则12代表一个轴，为轴0一个矩阵[[ 0, 1, 2, 3],[ 4, 5, 6, 7],[ 8, 9, 10, 11]]，其形状为torch.Size([3, 4]
2021-05-31 16:41:38
662
原创 动手学深度学习课程笔记ch01
跟着李沐学AI课程笔记ch01强烈推荐！！！李沐大佬的课程，零基础，讲的非常细，之前都没系统性学习AI，现在正好跟着学一下。课程网址：https://courses.d2l.ai/zh-v2/点击进入课程主页里面课程简介、视频、课件和代码都有。本博客主要记录学习笔记欢迎探讨。ch_01N为数组样例0-d（标量）[1] 一个类别1-d（向量）[1.0,2.3,3.4] 一个特征向量2-d（矩阵）[[1.0,2.7],[2.3,1.1]]3-d … RGB图片的宽x高x通道4-d …
2021-05-18 16:33:43
383
原创 深度学习之卷积神经网络
卷积神经网络（CNN ）详解（复习）1.区别卷积神经网络和传统神经网络区别传统神经网络输入是一个向量，一维数据。卷积神经网络输入的是三维长方体矩阵，HW3，高度 * 宽度 * 3通道，或者行数 * 列数 * 3通道。不同的输入导致神经网络的权重参数不一样，输出的结果也不一样。2.结构一般CNN有四层结构输入层，即输入三通道图像卷积层，对上一层的结果卷积运算，提取特征池化层，对上一层结构进行池化，压缩特征全连接层，3.卷积层第一层输入的数据为三通道（RGB），核卷积的通道数
2021-03-26 15:00:20
2835
YOLOv5+TensorRT/OnnxRuntime+Visual Studio+CmakeLists实现推理
2023-04-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人