weixin_44523062的博客

radon，skimage图像增强，aaa，seq

1 模型部署2 框架2 tensorrt加速库，模型部署SDK加速包tensorrt 依赖cuDnn，INT8和FP16面试会问到fp16.10-3精度损失，int8损失0.1面试会问2 安装tensorrt，cuda，cudnn，nvidia-driver3 部署实战cpp版本的tensorrthttps://github.com/NVIDIA/TensorRT/blob/main/samples/sampleOnnxMNIST/sampleOnnxMNIST.c

1 高效CNN要求2

1 下载torchhttps://forums.developer.nvidia.com/t/pytorch-for-jetson-version-1-9-0-now-available/72048或者直接试试dockerhttps://ngc.nvidia.com/catalog/containers/nvidia:l4t-pytorch2 下载torchvission网址 https://github.com/pytorch/vision或者pip3改为pip3 install torch

https://www.eet-china.com/mp/a42816.htmlnano maxwell 128nano开发工具https://zhuanlan.zhihu.com/p/319292104nano tensorrt 计算速度帧率yolov3tiny 25fps（416*416）注意这里使用的是Nvidia自己优化的TensorRT，而不是标准的Tensor库。Nvidia没有公布太多具体的细节，但是提到使用了kernel auto-tuning、dynamic tensor

亚像素霍夫编码卷积计算量，空洞卷积1 二进制位bit表示及其换算到B，KB，MB，GB，TBbit： 2B： 24 bitKB 210 B = 214 bit = 1024 * 4 位 = 4096 ，iPhone5sCPU寄存器6080位，~= 215 = 1.45KB，31个64位和32128位MB 2*20 B = 2**24 bit理解CPU，寄存器，内存[浅谈]...

目标检测的目的是对于图像中的目标候选区域进行定位和分类。最原始的方法就是利用各种尺寸的滑窗法选择候选区域在进行分类，明显效率太低，因为一张图里的目标数量仅仅占少数。anchor-based以faster RCNN为代表，用CNN提取特征图后，对特征图上每个点设置了3种尺度和3种宽高比的9个anchor提取候选框，利用人为设计的先验锚框获取该区域的特征进行分类和回归，产生粗略的候选框，再利用CNN提取候选框的特征进行目标类别的多分类和定位框精细化回归。优点：（收敛快，精度高，但是，anchor设计较难，需

https://github.com/dlunion/tensorRTIntegrate学习视频下载代码

1 Mobileye 以色列成立于1999年，是以色列提供基于视觉系统分析和数据处理研发高级驾驶辅助系统和自动驾驶解决方案的全球先行者，为全球27家OEM厂和Tier1厂商提供“芯片+算法”软硬一体化的ADAS视觉解决方案中国造车新势力小鹏汽车曾短暂地用Mobileye的芯片做过测试后决定在P7上改用英伟达的Xavier，主要因为小鹏希望“把芯片和算法剥离开，采用可编程的芯片，在芯片上进行算法研发和定制化，跟场景结合”，因此选择了更开放的英伟达。2 英伟达Xavier, 2020Orin-10到20

编译安装流程configure可以使用cmake（下载后的bin/cmake）1 源码tar zxvf z对应gz x解压c压缩 v列出文件 f指定解压后文件名usr/local/src源码下载2 配置使用cmake，查找依赖prefixcmakelists.txt中 可以set(CMAKE_PREFIX_PATH 路径)（1）/usr/local/apache2目录是随意指定的一个安装目录，也可以安装到其它目录下；​ （2）使用./configure配置时，需要将工作目录切换到软件源码所在

这几天学习C++部署深度模型，看到libtorch是现在人人都可以用普遍方法文章目录1 安装opencv版本一定要3.4.12，否则与libtorch共同编译产生错误2 安装libtorch1 安装opencv版本一定要3.4.12，否则与libtorch共同编译产生错误linux上安装库或者程序，一个是编译安装、一个是apt安装，这里选择固定版本用编译安装1 先下载个cmake，我用clion要求cmake20一下才行，直接调用bin下的cmake到clion就行2下载opencv3.4.12

毛星云1hello#include <opencv2/opencv.hpp> //头文件using namespace cv; //包含cv命名空间int main(){ // 【1】读入一张图片 Mat img=imread("1.jpg"); // 【2】在窗口中显示载入的图片 imshow("【载入的图片】",img); // 【3】等待6000 ms后窗口自动关闭 waitKey(6000);}2image erod//------------------

https://www.bilibili.com/video/BV1Xw411f7FW?p=2&spm_id_from=pageDriver1 https://github.com/shouxieai/tensorRT_cpp课程的onnx，官方维护2 https://github.com/wang-xinyu/tensorrtx3

1 C++部署上线https://blog.csdn.net/weixin_44233336/article/details/1104325662 安装libtorch#include "torch/script.h"#include "torch/torch.h"#include <iostream>#include <memory>using namespace std; int main(int argc, const char* argv[]){

https://www.bilibili.com/video/BV1uA411N7c5?p=531迷宫问题：栈和队列的经典应用栈----深度优先搜索，存的是路径，指定规则移动，可以回退但不是最优2 队列 广路搜索 可以得到最短路径队列存的不是路径，而是广叉的当前终端出去的路劲怎么记录？倒着追溯回去，额外列表：两列：出队的序列，【【出队元素，进队数】，【】，。。。】75 AVL树：自平衡搜索树，三个发明人搜字母二叉树很偏斜，退化成类似线性结构，不太好查随机化插入，AVL树...

二叉树，init__:root和queue, 子类node：date，Lnode，Rnode完全（最后叶子之前满，最后一排要从左到右排过来）、平衡、满利用数组表存储树应用xml、html、路由协议、musql、文件目录、AI树搜索，机器学习决策树堆是特殊的完全二叉树：大根堆：f>c,排序为增序、小根堆: f<c可以用顺序存储、队列、链表 父亲和孩子：父 i —左子2i+1，右子2i+2堆排序：建堆，得到堆顶最大，pop堆顶为最小元素，将堆末尾放到顶，堆向下调整，直到变空.

寻找target是否存在于nums顺序表，栈和队列程序=数据结构+算法1 选择数据结构：元素nums，关系利用顺序表，处理find2 算法：递归def binary_search(alist,item): n=len(alist) if n>0: mid=n//2 if alist[mid]==item: return True elif item<alist[mid]: return binary_se

http://ijiaober.github.io/2014/08/07/sorting-algorithm/插入排序直接插入它的工作原理是通过构建有序序列，对于未排序数据，在已排序序列中从后向前扫描，找到相应位置并插入。插入排序在实现上，通常采用in-place排序（即只需用到O(1)的额外空间的排序），因而在从后向前扫描过程中，需要反复把已排序元素逐步向后挪位，为最新元素提供插入空间希尔排序： 递减增量排序，插入排序高效，非稳定排序交换排序冒泡 n方快速 n方在平均状况

nums = [4, 1, 5, 2, 9, 6, 8, 7]sorted_nums = sorted(enumerate(nums), key=lambda x: x[1])idx = [i[0] for i in sorted_nums]nums = [i[1] for i in sorted_nums]

https://www.bilibili.com/video/BV12E411K77F?p=3python的list tuple dict set都是高级的数据结构，而数据类型int、long、float是数据元素3 数据结构概念班级花名册抽象数据类型Abstract Data Type： 增删改查排序，数据属性抽象数据类型(ADT)的含义是指一个数学模型以及定义在此数学模型上的一组操作。即把数据类型和数据类型·上的运算捆在一起,进行封装。引入抽象数据类型的目的是把数据类型的表示和数据类型上

1.采用信息增益率。ID3 在计算的时候，采用信息增益，更倾向于选择取值多的属性，而信息增益率 = 信息增益 / 属性熵，当属性有很多值的时候，相当于被划分成了许多份，虽然信息增益变大了，但是对于 C4.5 来说，属性熵也会变大，所以整体的信息增益率并不大。2.采用悲观剪枝。悲观剪枝是后剪枝技术中的一种，通过递归估算每个内部节点的分类错误率，比较剪枝前后这个节点的分类错误率来决定是否对其进行剪枝。这种剪枝方法不再需要一个单独的测试数据集3.离散化处理连续属性。C4.5 可以处理连续属性的情况，对连续的.

https://www.cnblogs.com/yangyuqing/p/10101663.html文章目录算法时间空间复杂度，算法分析法则及其他渐进符号二分法 O(logn)3数组VS链表（不连续）顺序表 C、Java 数组 可直接访问链表 单向堆栈先进后出，队列 先进先出FIFO双端队列，可以快速的从另外一侧追加和推出对象 OrderedDict([items])defaultdict([default_factory[,...]])算法时间空间复杂度，算法分析法则及其他渐进符号大O表示法，只保留