xiaomu_347的博客

方面优势结构清晰模块化 Backbone / Head / Loss / Aug易扩展YAML 配置 + 类似 Detectron2 的 Trainer支持多任务部署支持好一键导出 ONNX、TRT、NCNN文档齐全。

今天在阅读资料时碰到MLX和JAX两个框架，对此进行简单的总结学习。

deepstream是 NVIDIA 提供的一个基于 GStreamer 的多媒体处理框架，专为构建高效的智能视频分析（IVA）应用而设计。它结合了深度学习、计算机视觉和视频处理技术，广泛应用于视频监控、自动驾驶、零售分析等领域。DeepStream 支持多种深度学习模型（如 TensorRT、PyTorch、TensorFlow 等），并提供了高效的硬件加速（利用 GPU 和 NVIDIA 的硬件编解码器）。

Scikit-learn（简称sklearn）是一个广泛使用的Python机器学习库，提供了大量的数据结构和算法，用于数据挖掘和数据分析。下面就其具体使用进行如下总结：（1）安装（2）使用说明。

当一个web应用层序开发好后，无论你是用什么语言，最后都要考虑部署到服务器上测试使用，这里就常见的服务器上部署进行如下的摸索总结。以django项目为例，下面就详细的部署进行如下阐述，参考链接：1、https://blog.youkuaiyun.com/shudaqi2010/article/details/71172683（深入理解uwsgi和gunicorn网络模型）2、https://segmentfault.com/a/11900000203...

pycocotools这个库对于cver而言，相信大家都不陌生，COCO是一个大型的图像数据集，用于目标检测、分割、人的关键点检测、素材分割和标题生成。这个包提供了Matlab、Python和luaapi，这些api有助于在COCO中加载、解析和可视化注释。请访问http://cocodataset.org/，可以了解关于COCO的更多信息，包括数据、论文和教程。COCO网站上也描述了注释的确切格式。Matlab和PythonAPI是完整的，LuaAPI只提供基本功能。 除了这个...

深度学习的前提就是海量的数据，在现实生产过程中采集大量的数据是很累时费钱的，这时候就到了爬虫大显身手的时候了。常见的网上爬虫资源方法都很单一，今天我就尝试一下就自己接触的几种方法进行一个简单的总结：（1）利用资源库import requestfrom lxml import xtreeimport beautiful-soup（2）利用爬虫框架pyspi...

如今深度学习越来越火热，想要快速学习掌握这门技术，除了勤奋努力外，一个好的引导是很重要的，尤其对于一个新手小白来说。但是网上的各种学习资料参差不齐，如何挑选一个合适自己的那就显得尤为重要了。下面就自己觉得不错的资料分享给我为数不多的粉丝朋友们！（1）基础篇 都知道深度学习需要一定的数学基础，例如概率论和矩阵运算等，如果你在这一块比较欠缺，可以推荐你关注一下唐宇迪的《数据科学人工智能-必备数学基础》，链接：https://study.163.com/course/introduc...

TVM针对不同的深度学习框架和硬件平台，实现了统一的软件栈，以尽可能高效的方式，将不同框架下的深度学习模型部署到硬件平台上。与LLVM的架构相似，在2017年由陈天奇团队推出，和 NNVM 一起组成深度学习到各种硬件的完整优化工具链，支持手机，cuda, opencl, metal, javascript 以及其它各种后端。 如果从编译器的视角来看待如何解决这个问题，各种框架写的网络可以根据特定的规则转化成某种统一的表示形式，在统一表示的基础上进行一些可重用的图优化，之后再用不......

yolov3作为目前最为流行的one stage检测模型，从出现到现在衍生发展了太多版本，甚至到了去年性能更优的v4和v5都已经出来了，今天就此机会总结一下常见的v3变形算法。YOLOv3-tiny(YOLOv3的tiny版本) YOLOv3-SPP1(仅在第一个检测头前集成SPP模块) YOLOv3-SPP3(在三个检测头前都加入了SPP模块) SlimYOLOv3-SPP3-50(n=50, k=90, 迭代剪枝2次) SlimYOLOv3-SPP3-90(n=90, ...

》首先一张图像通过卷积会不会改变尺寸大小有以下几种情况：卷积+padding（solid表示不填充，same表示填充到不改变图像大小，这是TensorFlow的叫法，其他框架不一样） 卷积+padding(非补全式填充) 卷积stride不等于1 #https://www.zhihu.com/question/270777218 pooling池化层操作在日常神经网络的构建过程中...

Debugging 是程序员必备技能，TensorFlow 程序员也不例外。然而 TensorFlow 的运行模式是先构造一张 graph，再执行 session.run()，这就为调试带来一些困难。普通调试工具如 pdb 只能看到 graph 外部的变量和控制流程，无法深入 graph 内部一探究竟。几种常用方法:1.通过Session.run()获取变量的值2.利用Tensorboard查看一些可视化统计3.使用tf.Print()和tf.Assert()打印变量4....

1、认识QT（1）控件 布局（layouts）空间间隔组（Spacers）：lHorizontal Spacer：水平间隔。 lVertical Spacer：垂直间隔。按钮组（Buttons）中各个按钮的名称依次解释如下：lPush Button：按钮。 lTool Button：工具按钮。 lRadio Button：单选按钮。 lC...

1.什么是OpenVINO工具包OpenVINO™工具包可快速部​​署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®硬件的计算机视觉（CV）工作负载，从而最大限度地提高性能。OpenVINO™工具包包括深度学习部署工具包（DLDT）。OpenVINO工具包：在边缘启用基于CNN的深度学习推理 支持跨英特尔®CPU，英特尔®集成显卡，英特尔®FPG...

想要对一个深度学习模型有最直观的了解那就是直接可视化其网络结构，常见的网络可视化工具有很多，今天就自己了解的进行简单的总结，tensorflow的模型结构可视化方法：（1）使用自带的tensorboard（不直观）（2）使用netron工具打开（.pd 或者是.meta文件）（3）第三方库CNNGraph（https://github.com/huachao100...

由于我们需要的一些机器学习的包需要在国外网站上下载，鉴于国内的种种限制，我们往往需要借助国内的镜像来实现快速下载，这里就常用的几个做一下总结：（1）国内常用镜像 国内源： 清华：https://pypi.tuna.tsinghua.edu.cn/simple阿里云：https://mirrors.aliyun.com/pypi/simple/中国科技大学 ht...

乘着打折福利，在网上购买了阿里云的服务器，参考知乎上的回答，结合自己的情况，最终选择共享型xn4/n4型，，其中系统选择的是ubuntn18.04，然后接下来就是自己的一些配置记录了：（1）切换Python默认版本一般新安装的ubuntn系统需要安装更新软件源 sudoapt-get update。由于ubuntn系统会自动配置Python2（默认）和Python3两种...

（1）beautifulsouphttps://blog.youkuaiyun.com/winterto1990/article/details/47624167/（2）re（3）lxml

俗话说得好，工欲善其事必先利其器，想要学好深度学习，你必须拥有足够的算力，否则一切都只是停留在纸上谈兵了。下面就自己了解的进行以下总结：（1）算力---处理单元 人工智能的实现需要依赖三个要素：算法是核心，硬件和数据是基础。算法主要分为为工程学法和模拟法。工程学方法是采用传统的编程技术，利用大量数据处理经验改进提升算法性能；模拟法则是模仿人类或其他生物所用的方法或...

影响一个网络性能的因素很多，网络结构，参数优化，loss约束等，这里就常见的几种loss进行比较总结。其中（1）（2）（3）为回归损失，（4）（5）（6）为分类损失。（1）MSE（均方误差）均方误差（MSE）是回归损失函数中最常用的误差，也常被称为L2 loss，它是预测值与目标值之间差值的平方和，其公式如下所示：，有时也写成这样优点：各点都连续光滑，方便求导，具......

人工智能三大宝，数据、网络与约束（loss）。想要训练得到一个好的神经网络模型，可以对这三块进行优化调整。就计算机视觉这块而言，自神经网络崛起后，由于可以避免手工提取特征，各种cnn模型层出不穷，无论是从深度和宽度上，还是从结构上，都有很大的发展，就自己所了解的做一些总结。一般在性能上：下面就具体介绍一下几个经典的CNN网络： LeNet LeNet虽然不是C...