![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能
狗庄欺人太甚
目前方向为文本处理,之前有过两年的目标检测实习经历
展开
-
tensor简介
在深度学习里,Tensor实际上就是一个多维数组。而Tensor的目的是能够创造更高维度的矩阵、向量。彩色图像文件(RGB)一般都会处理成3-d tensor,每个3d array中的element表示一个像素,R代表Red,G代表Green,B代表Blue。image mode=P 一般都会处理为2-d tensor,每个2d array中的element表示一个像素接下来我们利用tensor做矩阵的运算import torchx = torch.tensor([2....原创 2021-11-13 16:58:50 · 4857 阅读 · 0 评论 -
ValueError: operands could not be broadcast together with shapes (320,320,4) (3,) (320,320,4)
problem:ValueError: operands could not be broadcast together with shapes (320,320,4) (3,) (320,320,4)模式1 1位像素,黑和白,存成8位的像素L 8位像素,黑白P 8位像素,使用调色板映射到任何其他模式RGB 3×8位像素,真彩RGBA 4×8位像素,真彩+透明通道CMYK原创 2021-11-12 22:29:52 · 3267 阅读 · 0 评论 -
最小二乘法入门
线性回归试图学得使得约等于如何确定w和b是解决这个问题的关键。均方差是回归任务中常用的性能度量,因此我们可以试图让均方误差最小化,即均方差具有非常好的几何意义,对应了常用的欧几何距离,基于均方差最小化来进行模型求解的方法称为最小二乘法。在线性回归中,最小二乘法就是试图找到一条直线,使所有样本到直线的欧式距离之和最小。我们定义了一个损失函数,我们尽量使损失函数值最小,也就是上面说的均方差最小。通过不断拟合,我们最终求得k,b值,使用最小二乘法算法求拟合直线完成代码.原创 2021-11-07 17:29:41 · 543 阅读 · 0 评论 -
模型加速(矩阵元素优化和cuba使用)
参考文献:基于GPU的矩阵计算并行加速方法研究_李丰 哈尔滨工业大学博士论文在工业级别中,为了提高机器学习模型运算的速度,甚至是可以牺牲一定的准确度。程序员想尽了一切办法,一般从两个方面去提高模型的运算速度,一方面是提高硬件的性能,另一方面是利用硬件的特点,尽量加快运算的速度,不断优化算法。接下来结合GPU的特点来说明矩阵加速的原理GPU是专门为了图像渲染设计的,所以一定很适合做矢量运算。比如卷积运算,一般都用矩阵运算完成,所以深度学习一般都是用GPU...原创 2021-11-03 23:58:35 · 823 阅读 · 0 评论 -
caffe从秃头到入门 /usr/bin/ruby -e “$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master
Caffe主要由Blob,Layer,Net 和 Solver这几个部分组成。Caffe 的安装caffe源代码地址:GitHub - BVLC/caffe: Caffe: a fast open framework for deep learning.https://github.com/BVLC/caffe原创 2021-10-20 16:00:20 · 282 阅读 · 0 评论 -
机器学习之推理
1、模型转换工具,用来将caffe/tensorflow模型转到不同AI芯片规定格式的模型,以达到在AI芯片加速推理的目的。转换后模型的性能取决于原模型本身和参考图片(需要量化时),转换工具无法保证转换后模型性能,需要进一步进行性能评估,来决定该模型是否可以正常使用。2、推理工具,用来在不同AI芯片对模型进行推理,并将推理结果保存,后面可以使用推理结果进行性能评估。3、不同模型量化时采用不同的参考图片,会导致通用性很差,最好做一个通用性的测试。...原创 2021-09-20 17:47:12 · 1366 阅读 · 0 评论