2023-11-27 学习笔记

1.PyTorch团队重写「SAM分割一切」模型，比原始实现快8倍（附源码）

摘要：

本文介绍了PyTorch团队重写「SAM分割一切」模型的加速方法。通过使用Bfloat16半精度、GPU同步和批处理等技术，以及Torch.compile编译器和SDPA（Scaled Dot Product Attention）等特性，他们成功地提高了SAM模型的性能。

感想：

SAM模型在端侧落地的一个大突破？

需要确认下其在训练和测试场景的加速效果。

2.​​​​​​​还是那头痛的 Resize

摘要：

这篇文章讨论了在深度学习中使用的图像Resize的问题，特别是比较了Pillow和OpenCV库在Resize操作上的差异。作者发现Pillow的Resize采用了一种双线性插值的方法，与OpenCV的四点取值方式不同，导致两者结果不完全对等。为了解决这个问题，作者在C++部署中找到了一个基于OpenCV的现成解决方案。另外，文章也提到了舍入操作的差异，需要注意Python和C++之间的一致性。

感想：

 上次我记得review时提到这个问题。opencv和pillow的resize实现不一样，如果在C++和python中用了不同的接口，可能导致效果差异的。C++ pillow resize可以用开源库https://github.com/zurutech/pillow-resize