记录平常最常用的三个python对象之间的相互转换：numpy，cupy，pytorch三者的ndarray转换

很多时候，我们希望对tensor有一些自定义的操作，一种实现方式就是使用pycuda。本文以实现两个tensor的加法为例，讲解如何实现pycuda与pytorch交互。1. pycuda的使用方式首先看下pycuda文档对pycuda的定义：PyCUDA gives you easy, Pythonic access to Nvidia’s CUDA parallel computation A

记录平常最常用的三个python对象之间的相互转换：numpy，cupy，pytorch三者的ndarray转换

是一个特殊的文件名，用于标识一个 Python 包（package）。在 Python 中，一个包就是一个包含多个模块的文件夹，该文件夹下必须包含一个名为的文件，用于告诉 Python 这是一个包，并且可以在该包中导入其他模块。文件有以下几个常见用途：文件可以包含初始化代码，例如设置模块级别的变量或者执行某些必要的操作。这些初始化代码在导入包时会被自动执行。文件可以控制哪些模块可以被导入。例如，可

ffmpeg将视频解成图片ffmpeg -i test.mp4 -pix_fmt rgb24 %4d.png但是同样的命令，却只能得到整个视频的yuv，无法获得单帧的yuv:ffmpeg -i test.mp4 -pix_fmt yuv420p %4d.yuv后来发现可以通过segment来实现，-segment_time需设置为小于1/fps的数:ffmpeg -i test.mp4 -f se

本文讲解了CVPR 2019的一篇文字检测算法《Character Region Awareness for Text Detection》的原理，并给出我使用**C++和TensorRT**重新实现的推理，速度比原版代码快12倍。

记录平常最常用的三个python对象之间的相互转换：numpy，cupy，pytorch三者的ndarray转换

pip安装的xformers版本与其依赖pytorch版本的对应关系。

在深度学习中，张量的维度变换是很重要的操作。在pytorch中，有四个用于维度变换的函数，view, reshape, transpose, permute。其中view和reshape都用于改变张量的形状，transpose, permute都用于重新排列张量的维度，但它们的功能和使用场景有所不同，下面将进行详细介绍，并给出测试验证代码，经过全面的了解，我们才能知道如何正确的使用这四个函数。

总结了GAN在图像超分辨率中的应用，包括常用的判别器类型：经典的分类网络、patch gan和unet和GAN loss类型: gan、wgan、lsgan、ragan