目录
前言
随着博主记录的笔记越来越多,查找也越来越困难,有时自己都要找半天,所以这边记录下博主发布的所有文章,方便管理,以专栏为划分,后续有新的文章也会添加进来😄
1. C++
本专栏原本是想记录刷题的一些过程的,后来…😂
专栏地址:https://blog.csdn.net/qq_40672115/category_12039077.html
2. Linux
本专栏主要记录 Linux 和 vscode 的一些指令
专栏地址:https://blog.csdn.net/qq_40672115/category_11958715.html
3. 环境配置
本专栏主要记录一些项目的环境配置和常用软件的安装
专栏地址:https://blog.csdn.net/qq_40672115/category_12093997.html
4. Algo C++
杜老师推出的面向 AI 算法的 C++ 课程笔记,讲得是真滴好,可惜没后续了
专利地址:https://blog.csdn.net/qq_40672115/category_12297296.html
- AlgoC++:课程介绍
- AlgoC++第一课:求解根号2
- AlgoC++第二课:线性回归
- AlgoC++第三课:C++世界观
- AlgoC++第四课:逻辑回归
- AlgoC++第五课:基于矩阵的算法实现
- AlgoC++第六课:BP反向传播算法
- AlgoC++第七课:手写Matrix
- AlgoC++第八课:手写BP
- AlgoC++第九课:手写AutoGrad
- AlgoC++:课程总结
5. Makefile
本专栏主要记录博主学习杜老师推荐的 Makefile 教程的一些笔记
专栏地址:https://blog.csdn.net/qq_40672115/category_12263266.html
- Makefile第一课:介绍
- Makefile第二课:简单编译原理
- Makefile第三课:C语言的编译
- Makefile第四课:C++的编译
- Makefile第五课:Makefile介绍
- Makefile第六课:Makefile变量
- Makefile第七课:Makefile常用符号
- Makefile第八课:Makefile常用函数
- Makefile第九课:Makefile条件控制
- Makefile第十课:Makefile编译
- Makefie第十一课:Makefile静态库
- Makefile第十二课:Makefile动态库
- Makefile库文件详解
- Makefile实战
- 从零Makefile落地算法大项目
6. 模型部署
本专栏偏实战,主要记录博主在嵌入式/服务器端部署模型的一些过程以及学到的一些部署知识
专栏地址:https://blog.csdn.net/qq_40672115/category_11970990.html
- Json及Jsoncpp开源库的应用
- zmq远程画面显示
- Jetson嵌入式系列模型部署-1
- Jetson嵌入式系列模型部署-2
- Jetson嵌入式系列模型部署-3
- Jetson nano部署YOLOv7
- Jetson nano部署YOLOv8
- Jetson nano部署剪枝YOLOv8
- Ubuntu20.04部署YOLOv5
- infer源码阅读之yolo.cu
- 高性能流媒体硬解码
- 如何熟练的使用trtexec
- 复杂onnx解决方案(以sparseconv为例)
- tensorRT模型性能测试
- cuOSD(CUDA On-Screen Display Library)库的学习
- YUVToRGB(CUDA Conversion)库的学习
- 卡尔曼滤波(Kalman Filter)原理浅析-图例分析
- 卡尔曼滤波(Kalman Filter)原理浅析-数学理论推导-1
- 卡尔曼滤波(Kalman Filter)原理浅析-数学理论推导-2
- 卡尔曼滤波(Kalman Filter)原理浅析-数学理论推导-3
- 卡尔曼滤波(Kalman Filter)原理浅析-数学理论推导-4
- YOLOv5-PTQ量化部署
- YOLOv5-QAT量化部署
- YOLOv7-PTQ量化部署
- YOLOv7-QAT量化部署
- YOLOv5推理详解及预处理高性能实现
- YOLOv8推理详解及部署实现
- YOLOv8-Cls推理详解及部署实现
- YOLOv8-Seg推理详解及部署实现
- YOLOv8-OBB推理详解及部署实现
- YOLOv8-Pose推理详解及部署实现
- RT-DETR推理详解及部署实现
- CUDA基础教程文档记录
- YOLOv9推理详解及部署实现
- YOLOv10推理详解及部署实现
- MMPose-RTMO推理详解及部署实现(上)
- MMPose-RTMO推理详解及部署实现(下)
- LayerNorm Plugin的使用与说明
- PaddleOCR-PP-OCRv4推理详解及部署实现(上)
- PaddleOCR-PP-OCRv4推理详解及部署实现(中)
- PaddleOCR-PP-OCRv4推理详解及部署实现(下)
- LaneATT推理详解及部署实现(上)
- LaneATT推理详解及部署实现(下)
- CLRNet推理详解及部署实现(上)
- CLRNet推理详解及部署实现(下)
- CLRerNet推理详解及部署实现(上)
- CLRerNet推理详解及部署实现(下)
7. tensorRT从零起步高性能部署
杜老师推出的 tensorRT 课程笔记,原理+代码实战,强烈建议大家学习
专栏地址:https://blog.csdn.net/qq_40672115/category_12369462.html
- 1.前言和介绍
- 2.1.cuda驱动API-概述
- 2.2.cuda驱动API-初始化和检查的理解,CUDA错误检查习惯
- 2.3.cuda驱动API-上下文管理设置及其作用
- 2.4.cuda驱动API-使用驱动API进行内存分配
- 3.1.cuda运行时API-概述
- 3.2.cuda运行时API-第一个运行时程序,hello-cuda
- 3.3.cuda运行时API-内存的学习,pinnedmemory,内存效率问题
- 3.4.cuda运行时API-流的学习,异步任务的管理
- 3.5.cuda运行时API-核函数的定义和使用
- 3.6.cuda运行时API-共享内存的学习
- 3.7.cuda运行时API-使用cuda核函数加速warpaffine
- 3.8.cuda运行时API-使用cuda核函数加速yolov5后处理
- 3.9.cuda运行时API-错误处理的理解以及错误的传播特性
- 4.1.tensorRT基础(1)-概述
- 4.2.tensorRT基础(1)-第一个trt程序,实现模型编译的过程
- 4.3.tensorRT基础(1)-实现模型的推理过程
- 4.4.tensorRT基础(1)-模型推理时动态shape的具体实现要点
- 4.5.tensorRT基础(1)-onnx文件及其结构的学习,编辑修改onnx
- 4.6.tensorRT基础(1)-实际模型上onnx文件的各种操作
- 5.1.tensorRT基础(2)-正确导出onnx的介绍,使得onnx问题尽量少
- 5.2.tensorRT基础(2)-使用onnx解析器来读取onnx文件(源码编译)
- 5.3.tensorRT基础(2)-从下载onnx-tensorrt到配置好并运行起来
- 5.4.tensorRT基础(2)-学习第一个插件的编写
- 5.5.tensorRT基础(2)-封装插件过程,并实现更容易的插件开发
- 5.6.tensorRT基础(2)-学习编译int8模型,对模型进行int8量化
- 6.1.tensorRT高级(1)-概述
- 6.2.tensorRT高级(1)-第一个完整的分类器程序
- 6.3.tensorRT高级(1)-yolov5模型导出、编译到推理(无封装)
- 6.4.tensorRT高级(1)-UNet分割模型导出、编译到推理(无封装)
- 6.5.tensorRT高级(1)-alphapose模型导出、编译到推理(无封装)
- 6.6.tensorRT高级(1)-mmdetection框架下yolox模型导出并推理
- 6.7.tensorRT高级(1)-使用onnxruntime进行onnx模型推理过程
- 7.1.tensorRT高级(2)-使用openvino进行onnx的模型推理过程
- 7.2.tensorRT高级(2)-学习深度学习中涉及的线程知识
- 7.3.tensorRT高级(2)-future、promise、condition_variable
- 7.4.tensorRT高级(2)-使用RAII接口模式对代码进行有效封装
- 7.5.tensorRT高级(2)-RAII接口模式下的生产者消费者多batch实现
- 8.1.tensorRT高级(3)封装系列-模型编译过程封装,简化模型编译代码
- 8.2.tensorRT高级(3)封装系列-内存管理的封装,内存的复用
- 8.3.tensorRT高级(3)封装系列-tensor封装,索引计算,内存标记及自动复制
- 8.4.tensorRT高级(3)封装系列-infer推理封装,输入输出tensor的关联
- 8.5.tensorRT高级(3)封装系列-基于生产者消费者实现的yolov5封装
- 8.6.tensorRT高级(3)封装系列-终极封装形态,以及考虑的问题
- 8.7.tensorRT高级(3)封装系列-调试方法、思想讨论
- 9.1.tensorRT高级(4)封装系列-自动驾驶案例项目self-driving-道路分割分析
- 9.2.tensorRT高级(4)封装系列-自动驾驶案例项目self-driving-深度估计
- 9.3.tensorRT高级(4)封装系列-自动驾驶案例项目self-driving-车道线检测
- 9.4.tensorRT高级(4)封装系列-使用pybind11为python开发扩展模块
- tensorRT从零起步高性能部署:课程总结
8. 保姆级从零手写自动驾驶CV
杜老师手写自动驾驶 CV 公开课笔记,停更了…
专栏地址:https://blog.csdn.net/qq_40672115/category_12257618.html
- AutoCV第一课:Python基础
- AutoCV第二课:Python基础
- AutoCV第三课:Python和ML基础
- AutoCV第四课:Python基础
- AutoCV第五课:Python基础
- AutoCV第六课:Python基础
- AutoCV:Python基础总结
- AutoCV第七课:ML基础
- AutoCV第八课:3D基础
- AutoCV第九课:ML基础
- AutoCV第十课:3D基础
- AutoCV第十一课:DL基础
- AutoCV番外:Transformer
9. 剪枝与重参
手写 AI 推出的剪枝与重参课程笔记
专栏地址:https://blog.csdn.net/qq_40672115/category_12274545.html
- 剪枝与重参:剪枝引言
- 剪枝与重参第一课:修剪结构和标准
- 剪枝与重参第二课:修剪方法和稀疏训练
- 剪枝与重参第三课:常用剪枝工具
- 剪枝与重参第四课:NVIDIA的2:4剪枝方案
- 剪枝与重参第五课:前置知识
- 剪枝与重参第六课:基于VGG的模型剪枝实战
- 剪枝与重参第七课:YOLOv8剪枝
- 剪枝与重参第八课:ACNet重参
- 剪枝与重参第九课:DBB重参
- 剪枝与重参第十课:RepVGG重参
- 剪枝与重参:课程总结
- Jetson nano部署剪枝YOLOv8
- 推理引擎之模型压缩浅析
10. 量化
手写 AI 推出的量化课程笔记,同时记录博主平时学习模型量化项目的一些知识,实战课还没看完,拖了几个月了😂
专栏地址:https://blog.csdn.net/qq_40672115/category_12092799.html
- TensorRT量化第一课:量化的定义及意义
- TensorRT量化第二课:对称量化与非对称量化
- TensorRT量化第三课:动态范围的常用计算方法
- TensoRT量化第四课:PTQ与QAT
- 如何熟练的使用trtexec
- YOLOv5-PTQ量化部署
- YOLOv5-QAT量化部署
- YOLOv7-PTQ量化部署
- YOLOv7-QAT量化部署
- 推理引擎之模型压缩浅析
- TensorRT量化实战课YOLOv7量化:pytorch_quantization介绍
- TensorRT量化实战课YOLOv7量化:YOLOv7-PTQ量化(一)
- TensorRT量化实战课YOLOv7量化:YOLOv7-PTQ量化(二)
- TensorRT量化实战课YOLOv7量化:YOLOv7-QAT量化
11. 国内首个BVE感知全栈系列学习教程
自动驾驶之心推出的 BEV 感知课程笔记,柒柒老师的讲解还是非常 nice 的,对 BEV 感知算法感兴趣的可以看看,还剩几个实战部分没有看
专栏地址:https://blog.csdn.net/qq_40672115/category_12510007.html
Note:文章内容涉嫌侵权了,该专栏文章已经全部删除了,望周知,仰天长啸,损失惨重😭
- 一. BEV感知算法介绍
- 二. BEV感知算法基础模块讲解
- 三. LiDAR和Camera融合的BEV感知算法-融合算法的基本介绍
- 三. LiDAR和Camera融合的BEV感知算法-BEV-SAN
- 三. LiDAR和Camera融合的BEV感知算法-BEVFusion
- 三. LiDAR和Camera融合的BEV感知算法-BEVFusion实战
- 四. 基于环视Camera的BEV感知算法-环视背景介绍
- 四. 基于环视Camera的BEV感知算法-DETR3D
- 四. 基于环视Camera的BEV感知算法-BEVFormer
- 四. 基于环视Camera的BEV感知算法-BEVDet
- 四. 基于环视Camera的BEV感知算法-BEVDet4D
- 四. 基于环视Camera的BEV感知算法-PETR
- 四. 基于环视Camera的BEV感知算法-BEVDepth
- 四. 基于环视Camera的BEV感知算法-BEVDistill
- 四. 基于环视Camera的BEV感知算法-BEVFormer实战
- 国内首个BEV感知全栈系列学习教程:课程总结
12. CUDA与TensorRT部署实战课程
自动驾驶之心推出的 CUDA 与 TensorRT 部署实战课程笔记,博主先从第八章 CUDA-BEVFusion 看的,因为想看完之后再看手写 AI 的 BEVFusion 课程,不过进度着实有点慢
专栏地址:https://blog.csdn.net/qq_40672115/category_12541646.html
Note:文章内容涉嫌侵权了,该专栏文章已经全部删除了,望周知,仰天长啸,损失惨重😭
- 一. 并行处理与GPU体系架构-并行处理简介
- 一. 并行处理与GPU体系架构-GPU并行处理
- 二. CUDA编程入门-CUDA中的线程与线程束
- 二. CUDA编程入门-使用CUDA进行矩阵乘法的加速
- 二. CUDA编程入门-共享内存以及Bank Conflict
- 二. CUDA编程入门-Stream与Event
- 二. CUDA编程入门-双线性插值计算
- 三. TensorRT基础入门-TensorRT简介
- 三. TensorRT基础入门-TensorRT应用场景
- 三. TensorRT基础入门-TensorRT内部的优化模块
- 三. TensorRT基础入门-导出并分析ONNX
- 三. TensorRT基础入门-剖析ONNX架构并理解ProtoBuf
- 三. TensorRT基础入门-ONNX注册算子的方法
- 三. TensorRT基础入门-onnx-graph-surgeon
- 三. TensorRT基础入门-快速分析开源代码并导出onnx
- 三. TensorRT基础入门-使用trtexec
- 四. TensorRT模型部署优化-模型部署的基础知识
- 四. TensorRT模型部署优化-Roofline model
- 四. TensorRT模型部署优化-模型部署的几大误区
- 四. TensorRT模型部署优化-quantization(mapping-and-shift)
- 四. TensorRT模型部署优化-quantization(quantization granularity)
- 四. TensorRT模型部署优化-quantization(calibration)
- 四. TensorRT模型部署优化-quantization(PTQ-and-quantization-analysis)
- 四. TensorRT模型部署优化-quantization(QAT-kernel-fusion)
- 四. TensorRT模型部署优化-pruning(overview-and-pruning-granularity)
- 四. TensorRT模型部署优化-pruning(channel-level pruning)
- 四. TensorRT模型部署优化-pruning(sparse-tensor-core)
- 五. TensorRT API的基本使用-MNIST-model-build-infer
- 五. TensorRT API的基本使用-load-model
- 五. TensorRT API的基本使用-infer-model
- 五. TensorRT API的基本使用-TensorRT-network-structure
- 五. TensorRT API的基本使用-build-model-from-scratch
- 五. TensorRT API的基本使用-build-trt-module
- 五. TensorRT API的基本使用-custom-trt-plugin
- 五. TensorRT API的基本使用-plugin-unit-test
- 六. 部署分类器-preprocess-speed-compare
- 六. 部署分类器-deploy-classification-basic
- 八. 实战:CUDA-BEVFusion部署分析-环境搭建
- 八. 实战:CUDA-BEVFusion部署分析-spconv原理
- 八. 实战:CUDA-BEVFusion部署分析-导出带有spconv的SCN网络的onnx
- 八. 实战:CUDA-BEVFusion部署分析-学习spconv的优化方案(Explicit GEMM conv)
- 八. 实战:CUDA-BEVFusion部署分析-学习spconv的优化方案(Implicit GEMM conv)
- 八. 实战:CUDA-BEVFusion部署分析-学习BEVPool的优化方案
- 八. 实战:CUDA-BEVFusion部署分析-分析BEVFusion中各个ONNX
- 八. 实战:CUDA-BEVFusion部署分析-学习CUDA-BEVFusion推理框架设计模式
13. LLM
这个专栏主要记录博主学习 LLM 的相关知识,随缘更新…
专栏地址:https://blog.csdn.net/qq_40672115/category_12641977.html