szfhy的博客

直接贴code加载，推理import onnxruntime as ortimport torchimport timeimport cv2import numpy as npdef time_sync(): if torch.cuda.is_available(): torch.cuda.synchronize() return time.time()ort_session = ort.InferenceSession('./semseg.onn

from tensorflow.keras import layersfrom tensorflow.keras import initializersimport tensorflow as tffrom keras.models import Sequentialfrom keras.layers import Dense, Flattenfrom keras.layers.convolutional import Conv2D, MaxPooling2Dfrom keras.utils.n

虚拟机通过桥接方式上网，跟一个host就可以组件局域网，非常方便。如果host使用的是有线连接，配置非常方便。如下图，选择桥接模式，复制物理网络连接状态可以不选，在“配置适配器中”选择要桥接的有限网卡，开启虚拟机之后就可以DHCP上网了。如果是host主机选择的是无线上网，上面的方法就要调整了。1，选择桥接模式，并且enable复制物理网络连接状态, 选择要桥接的无线网卡，...

围绕着百度开源的Apollo自动驾驶项目展开，重点分析整个项目的框架，核心的计算机视觉感知模块。下载项目代码项目主页：https://github.com/ApolloAuto/apollogit clone https://github.com/ApolloAuto/apollo.git或者直接Download Zip 然后再解压，这样会快一点。Demo我们没有实际的硬件，...

常用经典网络结构可视化：https://cwlacewe.github.io/netscope/quickstart.html

深度学习最近在图像处理领域经常有革命性的成果出来，继SRCNN之后，在图像处理领域应该当属HDRNet了，CVPR2017比较优秀的文章。源码https://github.com/google/hdrnethttps://github.com/mgharbi/hdrnet_legacy论文deep_bilateral_learning_f...

确保本机器已经成功安装了tensorflow, keras, opencv, python3.x下载python codehttps://github.com/xiaochus/YOLOv3下载darknet modelhttps://github.com/xiaochus/YOLOv3  从quick start中下载已经训练好的model,230+M将darknet model转换为h5进入y...

从github经常下载别人训练好的model，一个pb文件，里面都存储了什么东西呢？不像caffe，网络结果直接是一个文本文件，可以快速查看。当然我们可以去找对应的文章，去查询网络结构等信息。但是tensorflow有更好的方法。Tensorboard去解析这些model文件，很强大。安装，pip install tensorboard推荐使用whL的方式安装，当你机器上有多个tensorflow...

错误类型：CUDA_ERROE_OUT_OF_MEMORYGPU的全部memory资源不能全部都申请，可以通过修改参数来解决：在session定义前增加config = tf.ConfigProto(allow_soft_placement=True)#最多占gpu资源的70%gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0...

在生产环境中，使用api调用caffe训练生成的模型，依赖的第三方库太多，环境安装是个麻烦问题，同时在平台间移植也是个很麻烦的事情。比如说，在ubuntu16下训练好的caffe模型，需要移植到ios、android手机端等平台，caffe需要做大量的开发工作。 如果使用tensorflow的话，依赖就要少很多，可以很灵活的支持ios、android等移动端平台，可以很方便地使用api调用训练好的

使用MNIST数据集进行测试，最好可以将MNIST数据集先下载下来，不要让code自己去下载，代码中下载比较慢，将数据集下载下来直接放入code中指定的文件夹下面，文件名不要修改，直接将code run起来。差不多2分钟吧，精度99.8%code如下：# -*- coding: utf-8 -*- import tensorflow as tf#导入input_data用于自动下载

doc mark hereMTCNN 入口代码#coding = gbkimport tensorflow as tfimport numpy as npimport cv2import detect_faceimport time#face detection parametersminsize = 20 # minimum size of facethresh

找不到cudnn –lcudnn在[dnn]中配置library_path之后就好了。