人工智能
企鹅的外层世界
这个作者很懒,什么都没留下…
展开
-
python3+json+opencv的图片文件保存(base64和jpg编码)
想在网络中传输python字典,dict中包括图片数据和其他信息。这里用到了json的保存和读取,也用到了base64和jpg的压缩,并且比较了jpg压缩和base64的文件大小比较结论:原图大小为500*348原始numpy保存的数据量最大2617K如果用jpg编码,可以压缩到755K,打开一看,里面一堆【】和逗号,还是很浪费而使用base64的话,就会小很多。只有152k,虽然比起原图39k还有距离,不知道哪位可以解释一下。不过也可以接受了。import js.原创 2020-09-30 16:15:13 · 1355 阅读 · 0 评论 -
jetson nano 的tf卡 备份与恢复
当你在nano上废了很大力气配置好工具,肯定不希望换一张新卡还要做同样的工作.所以如何能把整张卡的内容保存并恢复呢?备份tf卡:把nano的卡用读卡器插到ubuntu机器上sudo fdisk -u -l标题然后用下面命令将tf卡镜像并压缩sudo dd if=/dev/sdd | gzip >/home/guo/eng/nano/nano_test_2020...原创 2020-03-08 16:50:19 · 3398 阅读 · 0 评论 -
EANet的用法
self.eanet_trainer = EANetTrainer(args=args)feature= self.eanet_trainer.infer_one_im(im=img_rgb, squeeze=False)原创 2019-09-22 18:34:48 · 337 阅读 · 0 评论 -
pytorch 的 CUDA 编程 CUDAExtension
通常我们在使用pytorch设计和训练网络后,需要对网络输出的结果再做一定后处理,才能得到我们的想要的结果。通常的方法是将网络输出的结果,复制回CPU,并以numpy形式进行数据的后处理,但是对于任务很重的后处理,比如对场数据或者图像数据,做这些操作就会耗费大量的时间,更理想的做法是使用pytorch提供的CUDA扩展,直接在GPU中处理好这些数据,只将最终的结果返回给CPU,一方面并行计算可...原创 2019-06-28 16:52:48 · 4438 阅读 · 0 评论 -
torch.nn.functional.interpolate
这个函数刚开始用,还不太理解,后来看了下说明,大概明白了input是一个四维向量,包括batch*depth*h*w然后,size就是一个两个数组成的Tuple,对应的是input尺寸的h和wres=torch.nn.functional.interpolate(input,(orig_img_h,orig_img_w),mode='bilinear')...原创 2019-03-26 10:05:50 · 10185 阅读 · 7 评论 -
编译tensorflow cuda 9.2 ubuntu python
tensorflow竟然只支持cuda9.0比pytorch麻烦多了,因为要在自己CUDA9.2的机器上用到tf,就只能自己编译了,否则会出现如下问题ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory具体步骤见如下链接https://tw.saowen.com/...原创 2018-12-10 17:56:25 · 301 阅读 · 1 评论 -
足球的识别
Sentioscope: A Soccer Player Tracking Systemusing Model Field Particles转载 2018-08-31 00:25:11 · 1172 阅读 · 0 评论 -
视频 姿态估计
Learning to Refine Human Pose EstimationDetect-and-Track: Efficient Pose Estimation in Videos原创 2018-05-23 17:14:00 · 1085 阅读 · 0 评论 -
网易教程
http://study.163.com/course/courseLearn.htm?courseId=1005271053#/learn/video?lessonId=1052241404&courseId=1005271053网易的深度学习教程,转载 2018-05-27 20:48:27 · 2006 阅读 · 0 评论 -
yolo3 pytorch
conv_model.weight.data.copy_(torch.from_numpy(buf[start:start+num_w]).view(conv_model.weight.data.shape)); start = start + num_w原创 2018-05-22 22:13:03 · 1178 阅读 · 0 评论 -
三篇用深度增强学习做机器人路径规划的文章
Target-driven Visual Navigation in Indoor Scenes using Deep Reinforcement LearningLarge-scale cost function learning for path planning using deep inverse reinforcement learningDeepLoco: Dynamic Loco...原创 2018-03-26 22:25:44 · 8283 阅读 · 8 评论 -
关于增强学习和OpenAI的教程和资源
最新而且最重要的书籍OpenAI Basics:https://link.springer.com/chapter/10.1007/978-1-4842-3285-9_3主要的机器人抓取和操作的方法Time-Contrastive Networks: Self-Supervised Learning from VideoEnd-to-End Learning of Semantic Graspin...原创 2018-03-02 14:18:53 · 738 阅读 · 0 评论