- 博客(728)
- 资源 (14)
- 收藏
- 关注
RSS订阅原创 在NVIDIA jetson中使用jetson-ffmpeg调用硬件编解码加速处理
在NVIDIA jetson中使用jetson-ffmpeg调用硬件编解码加速处理
2024-08-23 19:29:47
71
原创 君正T41开发板环境搭建_串口登陆_修改内存分配_配置IP_telnet登陆_mount挂载_安装交叉编译工具链
君正T41开发板环境搭建_串口登陆_telnet登陆_mount挂载_安装交叉编译工具链
2024-08-01 16:35:04
452
原创 aclStream流处理多路并发Pipeline框架中VEncode Module代码调用流程整理、类的层次关系整理、回调函数赋值和调用流程整理
aclStream pipe 流处理框架中VEncode Module代码调用流程整理、类的层次关系整理、回调函数赋值和调用流程整理
2024-07-02 20:26:22
388
原创 华为昇腾310B1芯片DVPP模块VENC视频编码接口调用流程、代码流程梳理、epoll机制整理
华为昇腾310B1芯片DVPP模块VENC视频编码接口调用流程、代码流程梳理、epoll机制整理
2024-06-27 21:00:41
317
原创 华为昇腾310B1平台视频解码失败[ERROR] Send frame to vdec failed, errorno:507018
华为昇腾310B1平台 [ERROR] Send frame to vdec failed, errorno:507018
2024-05-11 11:02:26
977
原创 /usr/bin/ld: /lib/aarch64-linux-gnu/libcairo.so.2: undefined reference to `FT_Done_MM_Var‘
/usr/bin/ld: /lib/aarch64-linux-gnu/libcairo.so.2: undefined reference to `FT_Done_MM_Var'
2024-04-28 16:03:21
515
原创 利用ollama和open-webui本地部署通义千问Qwen1.5-7B-Chat模型
利用ollama和open-webui本地部署通义千问Qwen1.5-7B-Chat模型
2024-04-23 16:41:01
3817
2
原创 大模型的RAG(检索增强生成) ----大模型外挂
检索增强生成（RAG）是一个概念，也可以称为一种范式，它旨在为大语言模型（Large Language Model，LLM）提供额外的、来自外部知识源的信息。
2024-04-19 10:58:05
1658
原创 大模型LLM架构--Decoder-Only、Encoder-Only、Encoder-Decoder
这类结构的模型适用于需要生成序列的任务，可以从输入的编码中生成相应的序列。这类结构的代表也就是我们平时非常熟悉的GPT模型的结构，所有该家族的网络结构都是基于Decoder-Only的形式来逐步演化。既包含编码器也包含解码器，先理解输入的信息（Encoder部分），然后基于这个理解生成新的、相关的内容（Decoder部分），通常用于序列到序列（Seq2Seq）任务，如。模型在时间线上的位置表示它们的发布日期。仅包含编码器部分，主要适用于不需要生成序列的任务，只需要对输入进行编码和处理的单向任务场景，如。
2024-04-18 11:23:09
1540
原创 Transformer的Decoder的输入输出都是什么
decoder input: Encoder input(我有一只猫) + start [---I have a cat /end--- masked]decoder input: Encoder input(我有一只猫) + start I [---have a cat /end--- masked]训练时，decoder的并行计算是指 翻译第i+1个单词无需等待第i个单词的输出，因为训练时知道所有训练数输入数据的真实标签值，无需等待，可并行运算。/结束符，方便预测第一个Token/结束预测过程。
2024-04-16 18:16:26
1584
原创 SOPHON算能服务器SDK环境配置和相关库安装
于是我直接在google搜索：dkms.noarch 0:3.0.12-1.el7.rpm下载，找到如下网页。后面安装的libsophon以及sophon-mw都在SDK大包里面。在下载的SDK大包中找到下面的内容，然后拷贝到算能服务器中。其中在安装dkms的时候提示下面的错误。在前面下载的SDK大包中找到如下内容，然后把其中的四个拷贝到算能服务器上。然后使用下面的命令安装。然后使用下面的命令安装。
2024-03-19 14:21:31
577
原创 GCC的符号可见性: 解决Linux多个库同名符号冲突问题以及引用不同版本库的问题
某项目中因为使用到了不同版本库的问题，因此整理下GCC的符号可见性问题，方便自己以后再次使用。
2024-02-26 11:12:17
1264
原创 SOPHGO算能科技新版SDK环境配置以及C++ demo使用过程
推荐使用cmake中的find_package查找libsophon和sophon-mw的库包，并链接到自己的程序中。部分头文件不包含于libsophon，如bm_wrapper.hpp、utils.hpp。SoC模式下，原来/system下的软件库包，现位于/opt/sophon/下。SoC模式下，通过开机时的systemd服务，自动加载/opt/sophon/libsophon-current/data下的ko内核模块。如用户定义的自启动服务，并且依赖BM168X，请确保在ko加载后启动。
2024-02-20 16:16:04
1952
原创 yolov5导出onnx模型问题
我改完之后，输出变成x y w h box_score idxs label1_confidence label2_confidence .... labeln_confidence.原来的yolov5输出是x y w h box_score label1_confidence label2_confidence .... labeln_confidence.为了适配C++工程代码，我在导出onnx模型时，会把models/yolo.py里面的forward函数改成下面这样，
2024-01-31 17:55:08
1189
原创 利用tpu-mlir工具将深度学习算法模型转成算能科技平台.bmodel模型的方法步骤
上图就是tpu-mlir的整体架构图，主要分两步, 一是通过将原始模型 转换成mlir文件, 二是通过将mlir文件转换成bmodel/cvimodel。如果要转INT8模型, 则需要调用生成校准表, 然后传给。如果INT8模型不满足精度需要, 可以调用生成量化表, 用来决定哪些层采用浮点计算， 然后传给生成混精度模型。
2024-01-24 16:31:52
1877
4
原创 程序员的周末——硬件设计中的Hello World__STM32核心板绘制
周末有时间，用Altium Designer 20绘制一个STM32核心板电路，走一遍原理图设计、原器件布局、布线、覆铜、电气规则检测等大体流程，下面简单记录下过程。
2024-01-19 16:35:03
1201
原创 基于EasyDarwin、ffmpeg实现rtsp推流
某项目中测试时需要用到推流，于是用EasyDarwin、ffmpeg实现了RTSP推流，简单记录下过程，
2023-12-20 15:53:22
1026
原创 error while loading shared libraries: libva.so.1: cannot open shared object file: No such file or di
然后问bing ai说要从github下载源码然后配置编译安装，太麻烦了，但是其实自己电脑中是有这个库的，只不过软连接的名字不一样，解决方法如下。这里可以看到自己电脑中是把 libva.so.2.100.0链接为libva.so.2，所以，那我再软连接个libva.so.1就行了，在做某项目的时候遇到这个问题，
2023-12-20 14:42:08
765
原创 父子进程继承问题：OSError: [Errno 88] Socket operation on non-socket错误记录
基本上没有什么有用信息，于是我想那我就去Python的flask库源码里面看看，然后我在flask库源码里面添加了打印，至于在哪些代码添加打印，从报错可以看到代码执行顺序，所以按照报错信息提示的代码执行流程去添加打印。这里很明显有个问题，就是我传进去的port是10000，然后第一次打印确实是10000，但是第二次打印为什么变成0了，于是去找第二行打印那里的代码。修改完之后再次执行程序，现在发现两行打印的端口号是统一的了，第二行打印不再是0了，程序也不再报错了，问题解决。然后我运行程序，发现打印内容如下。
2023-12-06 13:58:24
1188
原创 利用flask将yolov5算法封装成在线推理服务
本脚本主要参考了yolov5工程文件夹下面的detect.py，将yolov5算法封装成了一个在线的推理服务，可以接受app请求，然后推理图片，并将检测结果以json返回，该服务可以供数据标注平台请求。
2023-12-05 17:40:55
854
原创 利用opencv/暗通道方法检测图像是否有雾-利用opencv/暗通道方法对深度学习目标检测算法结果进行二次识别提高准确率
本来利用yolov5检测浓雾的，但是发现yolov5的检测结果会把一些正常天气检测成雾天，这种时候其实可以通过增加正常类，也就是将正常天气被误检成浓雾的图片当成一个正常类别去训练，但是不想标注图片，也不想重新训练算法了，因此想是不是可以用opencv对yolov5检测到的图像进行二次识别，从而提高准确率，结果发现是可以的。
2023-11-22 14:14:31
803
ndjpnladcallmjemlbaebfadecfhkepb.zip
2020-08-04
2020-07-24-21-20-52-download-P3X-OneNote-2020.10.105.AppImage
2020-08-04
pytorch学习视频百度网盘链接.txt
2020-02-23
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人