- 博客(36)
- 收藏
- 关注
原创 [嵌入式] 设备没有联网的情况下如何安装库
情况:有一块3588板网口失效了,需要下载gcc,g++,make,cmake等库。下载相关的库之后,进行镜像导出,镜像烧录步骤。在核心板RK3588上的文件系统安装ssh、rsync;本机PC电脑(含虚拟机Linux)上安装ssh、rsync。
2024-09-04 09:08:28
1038
原创 【RK3588】yolov5的部署
2. 参考以下资料,进行部署,具体详细步骤在个人飞书文档。云文档/我的空间/技术栈/RK3588学习手册。1.训练代码采用yolov5-master代码。
2024-08-29 17:28:42
162
原创 动手做科研Day1
博客旨在记录有用的东西,而不是流水账。你只要想,假如一年之后,再让你看你自己的博客,还能不能完整地复现出当时地问题,以及找到解决方法。
2024-08-08 21:18:20
219
原创 《动手做科研》10. 撰写论文心法
很多人在研究生毕业之后,都没有学会如何撰写一篇论文,准确来说,只是没有动手去做。其实这件事情其实并不难,因为如果你按照前面的教程一步一步做好,撰写论文,你会发现并不是目的,更像是一个顺水推舟的事情,对之前工作的一种总结。但从具体行动的层面,撰写论文还是有一些技巧,下面我分享一些经验。
2024-08-01 18:06:39
960
原创 《动手做科研》09. 万事具备,只欠行动
当你坚持学习到这一步,并且之前的内容都有跟着操作,那么恭喜你,你已经在脑力层面消化了最难的知识,接下来就是需要你行动的时候了。换句话说接下来就是体力活了,因为路径上要踩的坑你已经趟过一遍了。不要小看这个"体力活",因为很多人就倒在了执行力不够,导致即使知道方法但不愿意去动手,最终学无所获。这一章节可以理解为**衔接"学习研究方法"和"学习论文写作"的桥梁**。
2024-08-01 17:42:54
1156
原创 《动手做科研》08. 云端上的深度学习
当我们开始开发复杂模型时,尝试在本地计算机上训练模型通常不是一个可行的选择,因为我们本地的显存都比较受限制,而且也不是所有同学所在的实验室都有显卡资源。因此,比较推荐的方法是**在线上租服务器来训练**。本次教程将学习如何**利用`AutoDL`构建解决方案**,具体来说我们将探索和使用容器实例。这些课程将以现场演示/代码演练的形式进行。我们将首先完成 `AutoDL` 设置,在那里我们将配置并连接到实例,并介绍一些工具,这些工具可以帮助改善开发体验。
2024-07-31 18:38:18
944
原创 《动手做科研 》| 07. 论文的结构也有套路
学术论文的写作有一个大致的结构,类似于八股文:我们从摘要和介绍开始,以结论或讨论结束。为了有效地写一篇学术论文,我们可以规划其结构以涵盖各部分的形式和结构。在本次课程中,我们将通过机器学习的学术论文来了解它们的结构,特别关注论文的整体结构(章节组织)和写作的局部结构(句子组织)。
2024-07-31 17:55:17
691
原创 《动手做科研》06. 如何产生新的研究想法
提出好的研究想法是相当困难的,特别是当你刚接触一个领域时——这需要对文献中的空白有所了解。然而,产生研究想法的过程可以在阅读一篇研究论文之后就可以开始了。在这次课程中,我将与你分享一套框架可帮助你生成自己的研究想法。首先,你将学习如何应用一个框架来识别研究论文中的空白(别人没研究过),包括研究问题、实验设计和发现等方面。接着你将学习如何应用一个框架来基于一篇研究论文生成想法,思考感兴趣任务的要素、评估策略以及所提方法。最后,你将学习如何应用一个框架来迭代你的想法,以提高它们的质量。
2024-07-31 16:55:43
901
原创 《动手做科研 》| 05. 如何开展和记录实验
导读: 当我们开始训练多个具有不同超参数的模型,我们就需要对实验开始进行管理。。我们将使用 Weights & Biases 来演示实验记录和追踪;然后,我们将利用 Weights & Biases Sweeps 对训练超参数进行超参数搜索;最后,我们将使用 Hydra 来优雅地配置我们日益复杂的深度学习应用。本次课程目的在于能够让你了解并实践如何将实验管理工具整合到你的模型训练工作流程中。
2024-07-30 17:45:45
1020
原创 《动手做科研 》| 04. 科研入门必备的PyTorch 基础知识
什么是PyTorch?我们如何用PyTorch快速实现一个完整的神经网络训练流程?首先阅读官方 Pytorch 教程,然后将完成有关张量 (Tensor)、Autograd、神经网络和分类器训练/评估的练习。有些问题会要求实现几行代码,而其他问题会要求猜测操作的输出是什么,或者识别代码的问题。强烈建议您在参考解决方案中查找问题之前先亲自尝试这些问题。
2024-07-30 17:06:57
753
原创 《动手做科研 》| 03. 如何阅读人工智能研究论文
导读: 在刚迈入科研时,人人都说读论文很重要,但是很少有人能完整地教你应该如何读论文。论文不仅揭示了行业的最新进展和趋势,而且为我们提供了改进技术和解决复杂问题的思路。然而,由于学术论文常常包含密集的技术细节和专业术语,新手可能会觉得门槛较高。本课程旨在真实展示在学习人工智能新领域时所需的步骤,我希望在这门课程结束时,你能够在阅读人工智能研究论文时掌握可以使用的工作流程。
2024-07-29 19:19:04
737
原创 《动手做科研 》| 02.如何掌握Python工程流程
在我们讲解机器学习工作流程的复杂性之前,我想带你了解一些可供你使用的强大编程工具,让你对编程不再感到畏惧。本次课程以实时代码的形式进行,以应对编程的挑战。熟悉编程工作流程需要大量的时间和练习,因此,虽然在本课程结束时你不会神奇地变得更好(你甚至可能比短期内开始时慢),但你将拥有一个宏观的视角,看到高效的工作流程。
2024-07-26 18:28:05
590
原创 《动手做科研 》| 01.AI的最新进展与科研应用
该部分介绍AI的最新进展以及在科研各个领域的应用目前AI发展到什么程度了?哪些问题可以尝试用AI解决呢?如何快速构建一个属于自己的AI应用程序?
2024-07-26 17:53:27
530
原创 rk3588加载模型失败
并利用该链接中的代码进行编译,该项目中主要实现的功能就是加载模型,进行推理,得到可执行文件以及动态库lib,并将rknn_yolov8pose_demo_Linux整个文件夹推到板端。看评论区,他用的toolkit2的1.5版本,因此使用的/lib/librknnrt.so文件版本是对应1.5的。但是由于我用的1.6版本,因此不匹配,发生了无法加载的问题。但是加载他自带的模型就没问题,利用链接 https://netron.app/ 中查看rknn模型,结构是一样的。step2: 根据下面步骤,
2024-07-24 00:20:59
264
原创 一步一步学RK3588-1.配置环境
推荐用RKNN C Demo的方式,速度比较快,在PC端编译成可执行文件,再通过adb push的方式部署在RK3588上。二、配置rknn-toolkit。
2024-07-01 15:15:40
189
原创 嵌入式linux开发板+vscode,配置gdb调试环境
如果开发板本身没有自带gdb和gdb server,那么就需要上网进行下载。因此总的来说分为两步:step1 连接网络。
2024-06-26 17:55:42
1048
原创 《动手做科研》一步一步地展示如何入门人工智能科研
我在各个平台上都积极地回答过自己做科研入门的经验,以及后来切实地帮助近100名同学规划研究路径,并切实地取得阶段性成果时时,我惊讶地发现:其实大家都能在掌握基本地科研技巧之后,能自主地将工作做得很好,并且能从容地面对问题。对于入门,最理想的状态是用最短的时间,按照循序渐进的难度顺序把必要的方法和工具都学会,即用最少必备的知识搭建起框架。但是,大家都说科研要自学,要自学,却没告诉你怎么学。市面上有教你如何写好代码的,如何刷题的,也有教机器学习的,但是没有一个资料告诉你,我要做好科研,我每个阶段该做什么。
2024-06-21 11:42:31
824
2
原创 如何测试3588(linux系统)与飞控通信协议?
设计一个无人机系统,该无人机需要完成以下功能:识别特定目标并结算GPS,并且根据目标位置GPS进行航点规划,飞控并接受其他控制板的姿态指令调整无人机飞行模式。
2024-06-01 17:46:06
990
原创 构建并测试一个完整的交易系统
data['rejection'] = 2的形态,就是不管实体abs(open-close)颜色,关心的是下长影线是实体长度的1.5倍,并且上长影线小于实体的0.8倍,实体长度大于open的0.001倍。操作时,你是在做空一种资产,即先借入资产然后卖出,希望未来以更低的价格买回同等数量的资产以归还借款,并从中获利。操作时,并不直接影响买点的选择,买点的决定应该是根据您的交易策略和市场分析。支撑位就是判断当前蜡烛的最低位是否是某个窗口下的最低位,如果是,那就是形成了支撑,本质上就是找某个窗口下的最低点。
2024-02-05 15:00:33
1248
1
原创 10_week
第10教学周(11.1-11.7)Papers[A Graph Similarity for Deep Learning](./A Graph Similarity for Deep Learning.md)Learning to See in the Dark(2018 CVPR)[An Unsupervised Information-Theoretic Perceptual Quality Metric](./A Graph Similarity for Deep Learning.md)P
2022-03-09 10:42:44
1625
1
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