HinGwenWoong的博客

CUDA原子操作

CUDA内存管理

CUDA流入门

PyCharm+WSL2+CUDA搭建开发环境。我们在开发深度学习项目的时候，经常出现对 Linux 友好但是对 Windows 不是完全支持的情况，但是装双系统之后，文件不能共享，这就比较烦恼；如果使用虚拟机，读取不了显卡也比较头痛。值得兴奋的是，Win10 现在出了 WSL，就是 Windows 下的子系统，将 Linux 生态也并进来了，使用 WSL 可以快速搭建一个 Linux 子系统并且完美运行 cuda，一个字：爽！

深度学习 | TensorFlow 2.x 和 1.x 限制显存（超详细）部署深度学习服务的时候，往往不是让其吃满一整张卡，而且有时候会出现致命的 OOM （Out of Memory）错误，这就需要适当限制下显存，下面介绍下如何使用代码限制显存。

结合我自己踩过的坑，和 官方网站注意，一定要使用 linuxwindows 会报 ModuleNotFoundError: No module named 'termios' ，这个 python 库在 window 里面没有注意全程安装都要 sudopip 安装# airflow needs a home, ~/airflow is the default,# but you can lay foundation somewhere else if you prefer# (option

CRNN 论文翻译：基于图像的序列识别是计算机视觉中一个长期的研究课题。在本文中，我们研究了场景文本识别问题，这是基于图像的序列识别中最重要和最具挑战性的任务之一。本文提出了一种新的神经网络结构，它将特征提取、序列建模和转录集成到一个统一的框架中。

Docker 搭建深度学习环境镜像，让你一次搭建无限部署我们平常开发的时候，难免会遇到多种不同的环境，有的是底层的驱动，有的是依赖库。依赖库的比较好办，可以使用虚拟环境进行分隔，但是不同的驱动的话，我们就会挺头疼的，这时候，Docker 可以解决这一烦恼。除了开发，我们还会涉及到项目部署，虽然有运维工程师，但是我们开发工程师还是需要协助进行环境的安装，每一个项目都要重头再来搭建环境，让人极其烦躁，但是不做又不行，一个很好的解决方式就是使用Docker 打包镜像，可以将我们这个搭建环境的过程只需一次就可以

Ubuntu18.04 安装Nvidia驱动+CUDA+cuDNN+Anaconda3本教程涵盖深度学习最需要的以下几个驱动的安装方法：Nvidia驱动、CUDA、cuDNN、Anaconda3跟着本文一套做下去可以帮大家节省大量的时间，一步到位，下面让我们开始吧！

智慧工地安全帽和危险区域检测系统随着人工智能的发展，现在越来越多的场景需要人工智能。在工厂的厂区中以安全为首，但工人普遍缺乏佩戴安全帽意识；工厂环境复杂，有各种各样的禁止进入的区域，普通的图像识别算法很难实现；加上使用传统的人工监管存在诸多缺点。基于计算机视觉的安全帽自动识别技术设计通过在施工现场布设视频监控设备或利用现有的施工监控设备，采用机器视觉的相关方法进行安全帽的自动识别，可以实现对作业人员安全帽佩戴情况信息的全程快速识别，在降低监管费用的同时提升了监管信息化水平。