人工智能-神经网络算法
文章平均质量分 71
AI智力2岁半
学了点C,学了点C++,学了点MFC,学了点Qt,学了点图像处理,学了点node.js,学了点python,学了点单片机,学了点Linux。其实我的专业是机械设计制造及其自动化
现在在学习深度学习和图像处理
展开
-
Dataloader异常卡死或报错
问题描述使用pytorch训练网络加载数据当num_workers>0时,训练一轮并验证后,训练第二轮时卡在for循环那里取不到数据。num_worders=0就没有问题。但效率慢。pytorch 1.7.1 不报任何错误pytorch 1.11.0 会报DataLoader worker (pid 22479) is killed by signal: Segmentation fault. 如果在pytorch 1.7.1追踪代码,发现卡在python3.7/site-packages/t原创 2022-04-21 09:20:00 · 4192 阅读 · 0 评论 -
Neural Compute Stick 2性能测试
对intel 的二代计算棒进行了性能测试。对二代计算棒,官方宣布其性能是一代的8倍。下面是我的测试结果测试代码使用的是官方提供的benchmark_appCount:执行的次数Duration:执行Count总共使用的时间Latency:从该次数据输入到得到该结果的时间Throughput:就是在同步,或者异步条件下所能达到的实际速度。inference requests: 我目前认为是计算棒能加载几个网络模型,二代是能加载4个的。测试时有意进行了限制为2的测试,方便和一代对比。USB2原创 2020-07-15 09:53:58 · 1077 阅读 · 0 评论 -
人工智能必学知识
从CSDN上找到的一张图,想学习人工智能的可以沿着这条路查漏补缺走下去。原创 2017-11-19 11:43:42 · 414 阅读 · 0 评论 -
深度学习环境配置docker+pycharm+GPU
在机器学习过程中,可能要使用各种机器学习框架,如tensorflow,mxnet,caffe等等。相信配过这些环境的人都对这个过程很是厌烦。有没有一种更好的方法呢?回答是肯定的:有!这里将介绍使用docker和PyCharm配合并实现GPU运算机器学习代码的方法原创 2017-12-14 19:06:18 · 9312 阅读 · 13 评论 -
CNN和机器学习算法性能测试
车辆6类mxnet_SSD_300_vgg16_atrous测试 GPU batch size nms阈值 nms-topK 显存占用 显卡占用 FPS GTX1070 1 0.45 200 500M 60% 43 GTX970 1 0.45 200 477M 80% 28 GTX970...原创 2018-05-25 15:14:14 · 535 阅读 · 1 评论 -
intel Movidius Neural Network Stick各种网络速度测试
make examples 网络名 time(ms) caffe_alexnet 88.04 caffe_googlelenet 93.65 caffe_squeezenet 46.70 tf_inception_v3 561.82 tf_inception_v1 88.57ncappzoo 网络名...原创 2018-06-01 14:10:06 · 1766 阅读 · 0 评论 -
3D重建
3D-R2N2: A Unified Approach for Single and Multi-view 3D Object Reconstruction(2 Apr 2016)Learning a Probabilistic Latent Space of Object Shapes via 3D Generative-Adverarial Modeling(NIPS 2016)...原创 2019-04-24 11:59:13 · 1674 阅读 · 4 评论