对于显卡太差的电脑，也就只能用CPU跑程序了1 准备1.1 下载anaconda官网速度太慢，还是清华镜像站的快https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=A下载完后，安装即可，怎么安装可以百度下1.2 下载pycharm社区版官网速度还行https://www.jetbrains.com/pycharm/dow

对于显卡太差的电脑，也就只能用CPU跑程序了1 准备1.1 下载anaconda官网速度太慢，还是清华镜像站的快https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=A下载完后，安装即可，怎么安装可以百度下1.2 下载pycharm社区版官网速度还行https://www.jetbrains.com/pycharm/dow

TensorFlow安装及报错1 遇到的问题2 继续安装tensorflow-gpu3.安装kreas-gpu3.安装pytorch)根据史上最详细的UEFI+GTP安装ubuntu18.04LTS全记录，涵盖安装过程中的各种问题，所有的问题都将在这里终结博文，安装了Anaconda，本文继续安装TensorFlow。conda create --name tensorflow_env pytho

TensorFlow安装及报错1 遇到的问题2 继续安装tensorflow-gpu3.安装kreas-gpu3.安装pytorch)根据史上最详细的UEFI+GTP安装ubuntu18.04LTS全记录，涵盖安装过程中的各种问题，所有的问题都将在这里终结博文，安装了Anaconda，本文继续安装TensorFlow。conda create --name tensorflow_env pytho

前面笔者爬了许多坑安装完了opencv4.1.1（链接https://blog.csdn.net/Hankerchen/article/details/103510024），本次主要想实现目标检测，并将其识别出来，接下来一步一步将讲述如何部署tensorflow1.14.0+ssd_mobilenet_v1_coco...

文章目录概述一、利用torchstat1.1 方法1.2 代码1.3 输出二、利用ptflops2.1 方法2.2 代码2.3 输出三、利用thop1.1 方法1.2 代码1.3 输出概述参数量（Params）：是指网络模型中需要训练的参数总数。浮点数（FLOPs）：FLOP时指浮点运算次数，s是指秒，即每秒浮点运算次数的意思，考量一个网络模型的计算量的标准。一、利用torchstat1.1 方法

论文《DeepMaker: A multi-objective optimization framework for deep neuralnetworks in embedded systems》-2020-**论文链接一、摘要及主要贡献1.1 摘要网络剪枝被提出作为缓解深度神经网络过度参数化问题的一种方法。然而，它的价值最近受到了挑战，特别是从神经结构搜索的角度来看。我们提出了一种联合搜索和训

1 进入终端激活conda环境conda activate然后创建opencv虚拟环境conda create --name cv python=3.7.6更新sudo apt-get update更新sudo apt-get upgrade

集成学习：通过训练若干个个体学习器，通过一定的结合策略，就可以最终形成一个强学习器。一、BoostingBoosting算法的工作机制：1.先从初始训练集训练出一个基学习器；2.再根据基学习器的表现对训练样本分布进行调整，使得先前基学习器做错的训练样本在后续受到更多关注；3.然后基于调整后的样本分布来训练下一个基学习器；如此重复进行，直至基学习器数目达到事先指定的值T，最终将这T个基学习器进行加权

笔者台式机CPU：i9-9900k显卡：RTX2070S 8G内存：16G系统：ubuntu18.04全程可以参照一下官方编译文档一、安装基础依赖包sudo apt-get update &&sudo apt-get install wget software-properties-common &&sudo add-apt-repository ppa:ubunt