Tosonw的博客

动作识别 - 视频分类-StNetSTNET训练一、STNET模型简介数据介绍训练介绍二、STNET模型实战训练1.下载源码2.下载预训练模型3.下载数据集3.StNet训练4.训练结果附、相关资料功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出

一、环境系统：CentOS Linux 7配置：内存：31.1 GiBCPU：Intel® Core™ i7-9700 CPU @ 3.00GHz × 8显卡：Intel® HD Graphics (Coffeelake 3x8 GT2)GNOME：Version 3.28.2OS type：64-bit二、编译安装注：下面的所有下载均可参阅：https://blog.csdn...

NVIDIA CUDA TensorFlow TensorRT openVINO FFmpeg openCV等编译安装 Linux C++NVIDIA 显卡驱动 CUDA驱动 cuDNN包 项目依赖 FFmpeg openCV Thrift TensorFlow bazel protobuf PyTorch TensorRT openVINO Caffe

一、简介官网：https://docs.nvidia.com/deeplearning/sdk/tensorrt-install-guide/index.htmlNVIDIA TensorRT的核心是一个C ++库，可以促进NVIDIA图形处理单元（GPU）的高性能推断。TensorRT采用训练有素的网络，该网络由网络定义和一组训练有素的参数组成，并生成高度优化的运行时引擎，对该网络进行推理。...

一、简介官方原文：https://software.intel.com/zh-cn/openvino-toolkit/使用英特尔®分布式OpenVINO™工具包开发模拟人类视觉的应用程序和解决方案。该工具包基于卷积神经网络（CNN），可扩展英特尔®硬件（包括加速器）的工作负载，并最大限度地提高性能。在边缘启用基于CNN的深度学习推理支持跨计算机视觉加速器的异构执行 - CPU，GPU，英...

一、简介Caffe，全称Convolutional Architecture for Fast Feature Embedding。Caffe是一个深刻的学习框架，以表达，速度和模块化为基础，主要应用在视频、图像处理方面的应用上。查看项目网站了解所有详细信息：http://caffe.berkeleyvision.org/用Caffe进行DIY深度学习教程文档BAIR参考模型和社区模...

一、介绍RetinaFace是一款实用的单级SOTA人脸检测模型，整个模型整合了：人脸检测、人脸对齐、像素级的人脸分析、3D密集通信回归。虽然在未受控制的人脸检测方面取得了巨大进步，但野外准确有效的面部定位仍然是一个开放的挑战。这篇文章提出了一个强大的单阶段人脸检测器，名为RetinaFace，它利用联合监督和自我监督的多任务学习，在各种人脸尺度上执行像素方面的人脸定位。具体来说，我们在以下...

MXNet: A Flexible and Efficient Machine LearningLibrary for Heterogeneous Distributed Systemshttps://www.researchgate.net/publication/286134669_MXNet_A_Flexible_and_Efficient_Machine_Learning_Library_...

一、关于TVMTVM是一个用于CPU，GPU和专用加速器的开放式深度学习编译器堆栈。它旨在缩小以生产力为重点的深度学习框架与面向性能或效率的硬件后端之间的差距。TVM提供以下主要功能：将Keras，MXNet，PyTorch，Tensorflow，CoreML，DarkNet中的深度学习模型汇编成各种硬件后端的最小可部署模块。基础架构可在更多后端自动生成和优化张量运算符，并具有更好的性能。...

一、MXNet安装1.源码官网：http://mxnet.incubator.apache.org/versions/master/install/download.html下载1.4.1：http://mirror.bit.edu.cn/apache/incubator/mxnet/1.4.1/apache-mxnet-src-1.4.1-incubating.tar.gz我是git下来...