自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(34)
  • 收藏
  • 关注

原创 机器学习常用算法

常用机器学习算法原理

2022-10-08 18:00:04 344 1

原创 张氏标定法openCV实现单目相机

单目相机标定

2022-10-04 16:43:03 832

原创 目标检测演化

经典目标检测模型

2022-10-02 17:15:13 944

原创 3A之自动白平衡(Auto WB——Auto White Balance)算法

自动白平衡

2022-09-29 23:27:47 708

原创 3A之自动曝光(AE——Auto Exposure)算法

自动曝光

2022-09-29 20:12:46 3585

原创 3A之自动对焦(AF——Auto Focus)算法

3A算法之自动对焦

2022-09-28 22:28:33 3732

原创 opencv高动态—多曝光融合

opencv多曝光高动态

2022-09-20 16:06:01 922

原创 onnx自动驾驶案例(待补充)

自动驾驶onnx推理

2022-09-15 20:09:27 1055

原创 RAII+接口模式与生产者—消费者模型的结合(补充中)

RAII+接口模式+生产者-消费者模型

2022-09-13 22:25:13 168

原创 RAII + 接口模式

RAII+接口模式

2022-09-13 16:53:21 252

原创 生产者-消费者模型

初识生产者——消费者模型

2022-09-12 21:55:05 243

原创 部署中的线程

部署中的线程

2022-09-12 14:55:13 139

原创 深度学习压缩

压缩模型、、知识蒸馏、剪枝量化

2022-09-03 20:56:22 427

原创 tensorRT部署实战——yolov5

yolov5的onnx简化到trt推理

2022-08-27 22:28:51 6781 4

原创 Warpaffine

yolo预处理等比缩放黑边填充中的缩放平移

2022-08-27 17:38:41 279

原创 比赛和项目

项目比赛

2022-08-25 21:27:25 139

原创 tensorRT部署实战——分类器

tensorRT部署实例——resnet分类器

2022-08-22 21:38:59 1567 3

原创 onnx-trt

trt onnx介绍以及torch转onnx

2022-08-18 00:18:11 662

原创 CNN推理和动态shape

cnn的动态输入

2022-08-17 18:37:11 645

原创 TensorRT模型推理

trt推理

2022-08-17 16:34:11 1563

原创 TensorRT的C++API构建全连接网络编译

tensorrt c++API创建全连接网络

2022-08-10 15:34:15 1156

原创 TensorRT基础

用pytorch(pth)—> onnx —> trt的工作路径,可移植性高。下运行(变异的trt版本、cuda版本、编译时的GPU型号)1. TensorRT的核心在于对模型算子的优化(2. tensorRT的模型需要在目标GPU上。3. tensorRT生成的模型只能在。的方式选择最优算法和配置。...

2022-08-07 01:45:00 389

原创 NMS(非极大值抑制)的python,cpu,gpu实现

NMS(非极大值抑制)是目标检测中用来确定最佳检测框的手段,根据目标检测流程,若果没有NMS步骤,其每个检测框都会有大量重叠度很高的预测框表示同一个目标。如下图:左图为经过NMS的预测结果,右图为未经过NMS的结果,很明显,左图才是我们需要的结果。.........

2022-08-06 17:10:48 2233 1

原创 CUDA线程层级

CUDA线程层级

2022-08-04 20:09:56 381

原创 CUDA内存模型和线程束

CUDA内存模型

2022-08-04 20:09:14 80

原创 KMP——next

void getNext(int* next,const string& s) { //j为前缀末尾 int j =0; //next[0]表示单个元素相等前后缀长度,一定为0 next[0] = 0; //i为后缀末尾,从1开始 for(int i=1;i<s.size();i++) { while(j>0 &&amp...

2022-05-15 21:45:14 70

原创 环形链表的双指针解法

一、题目描述二、解法1.哈希表:哈希表边遍历存head边对比查找即可。2.双指针:1.首先确定是否存在环定义快慢指针初始化为头结点,快指针每次移动两个结点,慢指针每次移动一个头结点,若不存在环,则快慢指针永远不会相遇(慢指针追不上快指针),若存在环,则两者一定会相遇(进入环后,可以看成快指针追赶慢指针的过程,在这个追赶过程中,快指针相对慢指针每次多移动一个结点,不会存在跳过慢指针而不相遇的情况)。2.确定环入口节点假设头结点距离环口为x,慢指针进入环后...

2022-05-03 11:49:59 687

原创 数据集比例划分训练验证测试

说明:按比例划分数据集适用于域自适应或域泛化根据不同于不同类别进行数据及自动划分目录层级为:root/domains/class.import osimport randomfrom tkinter import image_typesimport shutiltrainval_percent = 0.9 # 训练和验证集所占比例,剩下的0.1就是测试集的比例train_percent = 0.8 # 训练集所占比例,可自己进行调整savePath_root = '.\\d

2022-04-13 15:26:45 549

原创 Git管理项目(学习笔记)

Git项目版本控制工具在终端命令行的使用和Visual Studio的使用

2022-04-06 11:14:29 4085

原创 c++四内存区

c++程序执行时,内存分为四个区域:1.代码区:存放函数体的二进制代码,由操作系统管理。2.全局区:存放全局变量,静态变量和常亮。3.栈区:编译器自动分配释放,存放函数的参数和局部变量等。4.堆区:程序员分配和释放,若未释放,程序结束时有操作系统回收。代码区:程序编译后未执行前的区域,特点是共享的和只读的。共享保证低成本重复运行,只读保证代码安全性,防止用户端修改。全局区:同为程序编译后未执行前的区域,存放全局变量(定义在函数外的都为全局变量,注意作用域)和stati..

2022-03-10 17:06:08 1287

原创 终端远程服务器一些事项

深度学习训练场景常常使用服务器集群实现,终端连接远程服务器长时间训练任务时由于网络波动等原因会断开连接,此时训练任务被中断,且前台打印信息丢失,原因是终端接收HUP信号关闭子进程,解决方法:1. nohup命令让终端忽略HUP信号:nohup python3 -u train.py 再加&可转入后台,此时生成.out文件打印训练信息。2. setsid命令以该命令运行的进程父进程不属于该终端:setsid python3 -u train.py > info.txt打印信息存放在inf

2022-03-09 10:17:07 706

原创 预训练模型与自己模型参数不匹配

导入预训练模型在通常情况下都能加快模型收敛,提升模型性能。但根据实际任务需求,自己搭建的模型往往和通用的Backbone并不能做到网络层的完全一致,无非就是少一些层和多一些层两种情况。1. 自己模型层数较少net = ... # net为自己的模型save_model = torch.load('path_of_pretrained_model') # 获取预训练模型字典(键值对)model_dict = net.state_dict() # 获取自己模型字典(键值对)# 新定义字典

2021-09-17 11:47:01 3869 1

原创 pytorch visdom可视化loss曲线和准确率曲线

1. 首先安装visdom库pip install visdom2. 安装完成终端输入命令python -m visdom.server此时可能长时间出现以下提示:解决方法:找到安装的visdom库目录,目录下有个server.py文件,打开文件注释掉def download_scripts_and_run(): 下的download_scripts()语句。成功运行后如下:打开网址即可看到visdom可视化的界面,此时没有任何内容:3. 可视化...

2021-08-18 10:31:29 2917

原创 np.eye() one-hot编码

np.eye()用于生成对角矩阵,在深度学习中,可以将标签数组进行one-hot编码方便后续操作。one-hot编码例如一个batchsize为8的batch数据,其对应的标签batch为类别总数为3的数组[0,1,2,1,2,0,1,1],那么它的one-hot形式则为[[1,0,0],[0,1,0],[0,0,1],[0,1,0],[0,0,1],[1,0,0],[1,0,0]],行为batch的样本数,列为所属类别,对应哪个类别就将哪个列索引上的数置1。np...

2021-08-10 11:21:53 655

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除