深度学习
文章平均质量分 89
lazyoneguy
我是个懒人,所以我没写什么。
展开
-
YOLOv5+TensorRT+Visual Studio+CmakeLists实现推理
TensorRT推理YOLOV5的实现原创 2023-04-25 11:12:20 · 2066 阅读 · 2 评论 -
Detectron2(到底是怎么用的?)
结合官方文档的Detectron2介绍原创 2023-03-31 17:13:13 · 1084 阅读 · 0 评论 -
YOLOv5在C++中通过Onnxruntime在window平台上的cpu与gpu推理
YOLOv5在C++中通过Onnxruntime在window平台上的cpu与gpu推理原创 2023-02-22 13:05:22 · 4333 阅读 · 3 评论 -
Python中使用改进U-Net分割模型测试paddle框架、onnxruntime与TensorRT的推理速度
Python中使用改进U-Net分割模型测试paddle框架、onnxruntime与TensorRT的推理速度原创 2022-11-20 17:28:45 · 2505 阅读 · 1 评论 -
动手学深度学习课程笔记ch02
ch_02线性代数线性代数李老师讲得比较少,需要自己下去多看看书,后期还是需要一些矩阵论的知识。基本知识标量:由只有一个元素的张量表示(一般为数据的标签)。# 创建标量进行运算import torchx = torch.tensor([3.0])y = torch.tensor([2.0])x + y, x * y, x / y, x**y输出:(tensor([5.]), tensor([6.]), tensor([1.5000]), tensor([9.]))向量:多原创 2021-07-15 16:11:18 · 500 阅读 · 0 评论 -
轴的概念——跟着李沐学AI课程笔记(补充)
如何理解torch/numpy求和函数sum中的axis参数用行和列的概念对于更高维度的张量/数组可能不好理解,因此引入“轴”的概念:轴:就是每个张量的维度数的长度例如:一个向量[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11],其形状为torch.Size([12])),则12代表一个轴,为轴0一个矩阵[[ 0, 1, 2, 3],[ 4, 5, 6, 7],[ 8, 9, 10, 11]],其形状为torch.Size([3, 4]原创 2021-05-31 16:41:38 · 579 阅读 · 0 评论 -
动手学深度学习课程笔记ch01
跟着李沐学AI课程笔记ch01强烈推荐!!!李沐大佬的课程,零基础,讲的非常细,之前都没系统性学习AI,现在正好跟着学一下。课程网址:https://courses.d2l.ai/zh-v2/点击进入课程主页里面课程简介、视频、课件和代码都有。本博客主要记录学习笔记欢迎探讨。ch_01N为数组样例0-d(标量)[1] 一个类别1-d(向量)[1.0,2.3,3.4] 一个特征向量2-d(矩阵)[[1.0,2.7],[2.3,1.1]]3-d … RGB图片的宽x高x通道4-d …原创 2021-05-18 16:33:43 · 358 阅读 · 0 评论 -
深度学习之卷积神经网络
卷积神经网络(CNN )详解(复习)1.区别卷积神经网络和传统神经网络区别传统神经网络输入是一个向量,一维数据。卷积神经网络输入的是三维长方体矩阵,HW3,高度 * 宽度 * 3通道,或者行数 * 列数 * 3通道。不同的输入导致神经网络的权重参数不一样,输出的结果也不一样。2.结构一般CNN有四层结构输入层,即输入三通道图像卷积层,对上一层的结果卷积运算,提取特征池化层,对上一层结构进行池化,压缩特征全连接层,3.卷积层第一层输入的数据为三通道(RGB),核卷积的通道数原创 2021-03-26 15:00:20 · 2762 阅读 · 0 评论