m0_46339652的博客

由于官方并没有给出Paddledetection关于C#部署的tutorial，很多第三方的教程又不够具体和详细，又或者是仅仅针对paddle 1.x的教程，缺乏时效性，本文的目的在于梳理PaddleDetection2.x关于C#的详细部署流程，以官方提供的预训练模型为例，从零开始在一台工作机上进行全流程的部署。

根据Paddle官方的描述，当前检测模型转换为openvino格式是有问题的，暂时只支持分割和分类模型，且openvino版本最好为2021.3(已经过测试，兼容性较好)。然后我们可以看到vs的输出会打印CMake生成的过程，出现CMake 生成完毕且无报错代表生成完毕。2.运行下载的可执行文件，将OpenCV解压至指定目录，例如D:\projects\opencv。在进行cmake构建时，会有相关提示，请注意vs2019的输出。新建，将opencv路径填入并保存，如。依赖包，解压至deps目录。

Halcon常用算子整理

利用模型自动化压缩工具ACT（Auto Compression Toolkit）进行快速模型压缩量化

目录一. 软硬件环境1.1 Jetson环境1.2 模型训练主机：二. TensorRT配置一. 软硬件环境1.1 Jetson环境Jetson Nano 4G B01Jetpack版本 5.1DeepStream 5.11.2 模型训练主机：操作系统：Ubuntu 20.04CUDA版本：CUDA-10.2YOLOv5版本：YOLOv5-v5.0查看Jetpack版本:cat /etc/nv_tegra_release二. TensorRT配置下载YOLOv5 v5.0: g

目录1. 下载tensorrt2. 安装tensorrt2.1 安装python-tensorrt2.2 安装uff2.3 查看tensorrt版本3. 生成engine文件3.1 生成wts格式权重文件3.2 cmake编译1. 下载tensorrt笔者系统为ubuntu20.04, 由于Nvidia官网上面Tensorrt7.X版本没有找到对应ubuntu20.04的，因此使用ubuntu18.04版本的包进行下载试一试看能不能用:下载后提取出来。ubuntu下载时选择amd64后缀的。2.

目录1. 刷机与装机1.1 准备VMware工作站和linux的unbuntu16.04虚拟机：2.将SD上的系统移动至SSD3. SSH配置4. 查看Jetpack版本2. 深度学习环境配置2.1 python环境配置2.1.1 安装Miniforge(Conda的Arm代替版)2.2 配置Miniforge——伪conda环境2.3 pytorch环境配置2.3.1 查看cuda版本2.2 pytorch虚拟环境创建2.2 安装pytorch-gp2.3 安装torchvision二级目录三级目录1.

一.按照官方文档进行模型转换出错：二.尝试解决问题三.解决办法1.环境;windows10系统，Anaconda2020.22.配置文件：paddlex训练出的模型源文件，里面包含三:model、params、.yml三个文件.看起来好像代码里面和我替换的绝对路径效果是一样的，其实不是，关键还有这个地方：也就是说，它规定我输入的得是一个file而不是dir才能正常读取路径，但是源文件里面的save_dir又肯定是dir类型呀，所以冲突了！！什么？你问我上面为什么执行操作不直接用文件

笔者近期在继续学习树莓派，搭配英特尔神经计算棒二代NCS2进行边缘段AI硬件平台部署。一.一切按照网上相关亲娘级无痛教学开始无脑ctrl+c/v，但就在按照openvino工具包官方推荐示例中camke编译出错了，起初是在执行“make -j2 object_detection_sample_ssd”时报错，完整报错如下：Linking CXX executable …/armv7l/Release/object_detection_sample_ssd /usr/bin/ld: warning: lib

最近在利用树莓派部署神经网络的时候出现了一些大大小小的问题，很多问题都可以在网上直接或间接地找到答案，但有个别问题即使按照网上的高赞博客说的去做了仍然没用。笔者根据最近遇到的有关树莓派VNC/win10远程桌面连接/接hdmi线连屏幕却报错显示“Cannot currently show the desktop”的问题。1.问题起源最开始用树莓派的时候我是准备结合英特尔神经计算棒二代（NCS2）做边缘端AI硬件部署的，计划用树莓派进行神经网络推断，这里面不免得下载很多包，就在前一天进入树莓派桌面还好好