AI模型越来越多，软件功能也越来越丰富，客户端部署小模型应用也是当前的热门。这些功能可以直接使用trtexec.exe命令行实现，如果需要加入模型动态加解密功能需要自己修改编译。trtexec.exe是一个命令行应用程序软件，能够极大的便利我们在 tensorRT 开发过程中的模型编译、精度设置、性能调优等工作。将推理功能单独做成一个dll接口，以后升级TRT的时候只需要更换适配的dll接口文件就行，跟程序逻辑独立开了。最难的代码是从TRT里面抄出来的，有了这个接口GPU编程也变成容易的事情了。

神经网络模型动态加解密的技术这个以后再写吧练好的神经网络模型最终都需要保存和传递给他人使用，那么如何保存网络结构和每个参数的数值就需要设计一套规范的存储格式。神经网络推理模型是使用推理框架提供的工具将训练好的神经网络模型转换成对应的推理模型。适用于在移动设备和嵌入式设备上部署模型的格式。解决上面的问题有两个不同的解决方法，一个是发布不同硬件版本的部署产品，一个是在客户的设备上进行一次神经网络推理模型的生成。SavedModel 是 TensorFlow 的另一种模型保存格式，它包括了模型的权重、结构和配置，

AlphaGo战胜人类围棋冠军已经好几年过去了，这个话题已经不热了，国内介绍这个项目原理的技术文章也非常多。遗憾的是国内并没有出现几个类似的成功案例，这个问题值得玩味。是不是在实践的路上有很多隐形的关键问题没有公开出来，就算把AlphaGo的源码公开，我们拿过来也做不出一个成功的应用呢？...

AlphaZero巧妙了使用MCTS搜索树和神经网络一起，通过MCTS搜索树优化神经网络参数，反过来又通过优化的神经网络指导MCTS搜索。两者一主一辅，非常优雅的解决了这类状态完全可见，信息充分的棋类问题。前面结合一个五子棋AI的案例代码实现了蒙特卡洛树搜索，还使用Tensorflow2实现神经网络的部分。并通过一个人机交互案例把AlphaZero的算法实现了，现在只剩最关键的模型训练部分了。现在我们来完成自对弈训练的部分。AI人工智能（调包侠）速成之路九（AlphaZero代码实战1：...

AlphaZero巧妙了使用MCTS搜索树和神经网络一起，通过MCTS搜索树优化神经网络参数，反过来又通过优化的神经网络指导MCTS搜索。两者一主一辅，非常优雅的解决了这类状态完全可见，信息充分的棋类问题。前面结合一个五子棋AI的案例代码实现了蒙特卡洛树搜索，还使用Tensorflow2实现神经网络的部分。现在还差训练模型部分和人机对战的界面，我们先来实现人机交互。AI人工智能（调包侠）速成之路十（AlphaZero代码实战2：蒙特卡洛树搜索）AI人工智能（调包侠）速成之路十一（Alph...

AlphaZero巧妙了使用MCTS搜索树和神经网络一起，通过MCTS搜索树优化神经网络参数，反过来又通过优化的神经网络指导MCTS搜索。两者一主一辅，非常优雅的解决了这类状态完全可见，信息充分的棋类问题。前面结合一个五子棋AI的案例代码实现了蒙特卡洛树搜索，这次我们使用Tensorflow2来实现神经网络的部分。AI人工智能（调包侠）速成之路十（AlphaZero代码实战2：蒙特卡洛树搜索）神经网络输入特征的设计 神经网络的输入特征设计等同于传统程序设计里面...

蒙特卡罗方法（Monte Carlo method）什么是蒙特卡罗方法 用通过概率实验所求的概率估计来估计一个未知量，这样的方法统称为蒙特卡罗方法（Monte Carlo method）。为什么需要蒙特卡洛方法 在现实世界中，大量存在一些复杂性过程，由于这类模型含有不确定的随机因素，我们很难直接用一个确定性模型来分析和描述。面对这种情况．数据科学家难以作定量分析，得不到解析的结果，或者是虽有解析结果，但计算代价太大以至不能使用。在这种情况下，可以考虑采用 Monte ...

前言 AlphaGo战胜人类围棋冠军已经好几年过去了，这个话题已经不热了，国内介绍这个项目原理的技术文章也非常多。遗憾的是国内并没有出现几个类似的成功案例，这个问题值得玩味。是不是在实践的路上有很多隐形的关键问题没有公开出来，就算把AlphaGo的源码公开我们拿过来也做不出一个成功的应用呢？ AlphaGo成功之后DeepMind又放出了更加通用的 AlphaZero 的论文。AlphaZero综合应用了深度学习、启发式搜索MCTS、自对弈强化学习、神经网络共享（分类和回归...

未来的程序员必定需要掌握调用神经网路模型实现人工智能功能的能力，（调包侠）一定是未来程序员的必经之路。好在新工具平台的不断出现，功能调用越来越向API方向发展，补上相关知识继续上路吧。RNN循环神经网络与时空序列数据RNN全称循环神经网络（Recurrent Neural Networks），是用来处理时空序列数据的。语言、文章、股票走势这些都是常见的序列信号，我们交谈的时候要听懂一句话的内容，首先要依次听懂和记住前面每个单词，然后把后续听到的单词内容综合到前面的信息里面去，最后才能...

AI人工智能（调包侠）速成之路五（mnist手写数字识别1：如何调用模型）AI人工智能（调包侠）速成之路六（mnist手写数字识别2：全连接层实现） 前面文章介绍了如何使用训练好的神经网络模型，并借助mnist这个案例学习如何用全连接层设计和训练神经网络。但是全连接层随着输入维度的增加，节点也要相应增加，对应的连接数更是指数级增加，如果我们输入的不是一个28*28像素的单通道黑白图片，而是一个张现在智能手机拍的照片（千万级像素），那用全连接层去堆叠做分类任务基本就是不可能完成的任务了。...

AI人工智能（调包侠）速成之路五（mnist手写数字识别1：如何调用模型）https://blog.csdn.net/askmeaskyou/article/details/108674860上次是直接叙述如何调用训练好的模型，这次就来看看神奇的神经网络是如何设计和训练导出的。我把代码，模型，测试图片一起打包下载地址：https://download.csdn.net/前面的文章介绍过单层感知机只能处理线性分类问题，多层感知机加上飞线性激活函数可以解决复杂的分类问题。AI人工智能（调包侠）速成

没有更好的例子了，人工智能入门Mnist是必经之路，经典中的经典，必须从这里开始。 识别数字技术在深度学习领域已经非常成熟，常见的解决方案是OpenCV+Keras+TensorFlow，例如Github上有比较完善的车牌识别项目，我们先从最基础的手写数字识别开始机器学习实战之路吧。本文先介绍如何调用已经训练好的模型来识别图片数字，后续的文章再用全连接层和卷积神经网络来分别实现网络模型和训练代码。通过对比能更好的理解卷积神经网络共用权值、逐层抽象的概念。我把代码，模型，...

1234

及简三步安装1，Anaconda,Python3.8 安装下载地址：https://www.anaconda.com/products/individual#download-sectionWindowsPython 3.864-Bit Graphical Installer (466 MB)32-Bit Graphical Installer (397 MB)MacOSPython 3.864-Bit Graphical Installer (462 MB)64-B

基础知识1，高等数学2，Python语言3，C++语言开发平台1, Tensorflow22, Pytorch3, 飞桨PaddlePaddle，百度深度学习平台

好吧，开始写点东西吧。缘起......1，什么是AI (ARTIFICIAL INTELLIGENCE) 人工智能就是研究如何使计算机去做过去只有人才能做的智能工作，研究如何让计算机去完成以往需要人的智力才能胜任的工作。 人工智能是一个大方向，而机器学习是实现人工智能的一种方法，深度学习则是机器学习的一个分支。2，1958年至今历史只有短短60多年 从无到有，两次冬天，理论突破，爆发成长。3，模拟生物神经元结构，感知机的...