爱折腾的三石兄

《WizardCoder: Empowering Code Large Language Models with Evol-Instruct》代码大语言模型论文研读 Architecture：Decoder-Only Model Size：15B Evol-Instruct：1) Streamlined the evolutionary instructions by removing deepening, complicating input, and In-Breadth Evolving. 2) Simplified the form of evolutionary prompts by unifying the evolutionary prompt template. Huggingface：https://huggingface.co/WizardLM/WizardCoder-15B-V1.0

YOLOv5算法本身非常优秀，随着其版本的迭代更新，网络各个模块对物体检测中的常见问题都做了一定的优化改进，本身就具有较好的工程实用性。 Input部分完成数据增强、自适应图片缩放、锚框计算等基本处理任务；Backbone部分作为主干网络，主要使用CSP结构提取出输入样本中的主要信息，以供后续阶段使用；Neck部分使用FPN及PAN结构，利用Backbone部分提取到的信息，加强特征融合；Prediction部分做出预测，并计算CIOU_Loss等损失值。 随着计算机视觉技术的不断发展，目标检测领域里的各种算法技术层出不穷，针对不同事物不同目标，我们需进行多方比较，进而择优选择。其中，YOLOv5算法，得益于速度快精度高而闻名，是一种经典且稳定的算法。 此份结构图，有助于大家了解yolov5模型的整体框架与架构，帮助大家理清原理熟悉源码设计。

Linux版本，重要概念；使用终端，帮助命令和用法；文件与目录管理；文件查看命令，打包和压缩；权限管理设定。 重要部分：1）Vim文本编辑器：vim的设计理念是命令的组合。我们可以学习各种各样的文本间移动或跳转的命令和其他的普通模式的编辑命令；同时VIM与很多快捷键设置和正则表达式类似，可以辅助记忆。2）文本与文件查找：grep和find命令将会很便利。3）系统管理篇：服务状态的查询命令，服务配置文件的缩写，访问控制方式分类以及源代码编译安装等。4）硬盘分区：链接文件及挂载命令等；5）BASH方面：Shell脚本的如何使用，内部命令与外部命令；6）进程与内存的查看和调整，变量与环境变量查看；7）循环函数与正则表达式等基础语法。 样例展示：rm表示删除文件或目录，cp为复制文件或目录，ps来列出系统进程快照，kill用于终止进程，netstat实现展示系统网络连接和路由表信息，ping进行网络连接和延迟测试，tail可以显示文本文件尾部的行等。

文字识别也是图像领域一个常见问题。然而，对于自然场景图像，首先要定位图像中的文字位置，然后才能进行识别。 所以一般来说，从自然场景图片中进行文字识别，需要包括2个步骤： 文字检测：解决的问题是哪里有文字，文字的范围有多少 文字识别：对定位好的文字区域进行识别，主要解决的问题是每个文字是什么，将图像中的文字区域进转化为字符信息。 CTPN是在ECCV 2016提出的一种文字检测算法。CTPN结合CNN与LSTM深度网络，能有效的检测出复杂场景的横向分布的文字，效果如下图，是目前比较好的文字检测算法。 现今基于深度学习的端到端OCR技术有两大主流技术：CRNN OCR和attention OCR。其实这两大方法主要区别在于最后的输出层（翻译层），即怎么将网络学习到的序列特征信息转化为最终的识别结果。这两大主流技术在其特征学习阶段都采用了CNN+RNN的网络结构，CRNN OCR在对齐时采取的方式是CTC算法，而attention OCR采取的方式则是attention机制。本部分主要介绍应用更为广泛的CRNN算法。

Adobe composition-1k数据集只包含alpha和fg（以及测试集中的trimap）。 文件内容包括如下： ├── adobe_composition-1k │ ├── Test_set │ │ ├── Adobe-licensed images │ │ │ ├── alpha │ │ │ ├── fg │ │ │ ├── trimaps │ ├── Training_set │ │ ├── Adobe-licensed images │ │ │ ├── alpha │ │ │ ├── fg │ │ ├── Other │ │ │ ├── alpha │ │ │ ├── fg 总的来说，数据集文件收集不易，但是完整的，总共体积大小为410MB左右，如果要合成图像的话还需要经过后续转换步骤，涉及COCO训练数据和VOC测试数据。

计算机视觉与图像处理： 只需要基础的Python编程知识，了解Pytorch、TensorFlow等框架 就可以学些，有利于找工作就业。 1.涉及单阶段、双阶段目标检测算法、Deeplabv3+图像分割算法、服务端模型与移动端模型部署实战；2.算法原理及源码讲解、加速方法/技巧；3.三大项目实战，训练推理及部署落地等；4.《无人驾驶车道线分割》、《口罩实时检测》、《活体人脸身份识别》等应用，及输出C/C++的.so文件。

TensorRT-7.2.2.3.Ubuntu-18.04.x86_64-gnu.cuda-11.0.cudnn8.0.tar.gz，安装tensorRT源码，适合cuda版本11.0 cudnn版本8.0

使用TensorRT来加速部署YOLOv5项目，此文档中包含全部 软件及依赖库 在Win10系统上完成，需要用到的软件与依赖包有：cuda 10.2 , cudnn 7.6.5 , VS2019 , OpenCV 3.4.0 , Anaconda3 , CMake 3.19.4 , TensorRT 7 安装使用使用教程：https://blog.csdn.net/weixin_39588099/article/details/119994675?spm=1001.2014.3001.5502

TensorRT-7.0.0.11.Ubuntu-16.04.x86_64-gnu.cuda-10.2.cudnn7.6.tar.gz 下载

TensorRT-7.0.0.11.Windows10.x86_64.cuda-10.0.cudnn7.6.zip 下载