注意：首先你电脑必须安装git版本控制器（软件），在官网下载即可。pycharm中使用git以及github很简单，首先在设置中搜索github：点击右边的Create API Token,系统会要求输入你的github账号和密码，当你输入正确点击确认后会进行身份认证，认证成功后会创建一段TOKEN。这时你的github库与pycharm就联系起来了。之后，你可以将你新建的工程上传到你的gith

国内pip源：清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/ 在使用pycharm时，打开avaiable packegs，点击Manage Repositories。点右上方的绿色加号，添加清华源即可（图中三个源：原始，清华，阿里），也可以只使用清华源：在添加包页面进行刷新，看到下载地址改变即可如果想使用命令行pip命令进行下载：使用pip的时候在后

说到深度学习，配置搭建环境是最重要的，一些深度学习库的搭建和尝试是必须的。比如pytorch、TensorFlow等优秀的深度框架在linux下可以很好的运行，这里通过使用两台电脑（一台win10、一台ubuntu）来进行深度学习环境的搭建。此篇讲解如果通过VNC实现win10电脑操控（ubuntu）linux电脑，只需一个键盘一个鼠标就可以操控两个电脑，实现高效率工作。必需品：两台电脑、一根

迁移学习迁移学习是深度学习中一种常用的方法，核心思想为利用一个已经在其他训练集训练好的模型的材料（权重值或者特征层）来对目标训练集进行训练。利用另一个训练集训练好的模型，我们可以：提取其训练好的特征层（fixed feature extractor），去除其最后的分类层（全连接层）。注意，去除最后一层后保留的最后一层中是激活层，举个例子，在AlexNet中此层的维数为4096，这一层是非常

IoU(Intersection over Union)Intersection over Union是一种测量在特定数据集中检测相应物体准确度的一个标准。我们可以在很多物体检测挑战中，例如PASCAL VOC challenge中看多很多使用该标准的做法。通常我们在 HOG + Linear SVM object detectors 和 Convolutional Neural Network

Generative Adversarial Networks（生成对抗网络）In 2014, Goodfellow et al. presented a method for training generative models called Generative Adversarial Networks (GANs for short). In a GAN, we build two diff

借着热点，简单聊聊，作为一个只搞过CV部署的算法工程师，在最近LLM逐渐改变生活的大背景下，猛然意识到LLM部署也是很重要的。大模型很火，而且确实有用（很多垂类场景可以针对去训练），并且和Vision结合的大模型也逐渐多了起来。所以怎么部署大模型是一个，很多公司也在紧锣密鼓的搞着。目前效果最好讨论最多的开源实现就是LLAMA，所以我这里讨论的也是基于。基于LLAMA的finetune模型有很多，比

开篇老潘刚开始接触神经网络量化是2年前那会，用NCNN和TVM在树莓派上部署一个简单的SSD网络。那个时候使用的量化脚本是参考于TensorRT和NCNN的PTQ量化（训练后量化）模式，使用交叉熵的方式对模型进行量化，最终在树莓派3B+上部署一个简单的分类模型（识别剪刀石头布静态手势）。这是那会的一篇文章，略显稚嫩哈哈：一步一步解读神经网络编译器TVM(二)——利用TVM完成C++端的部署转眼间过

小博主拍了拍你的脑袋发了一个神秘链接：oldpan.me爽啊。前一阵子忍不住剁手买了M1芯片的mac mini，为了弥补自己的内疚感就卖了自己的旧的mbp2017款。数据也完全迁移到了新机器上，之前的工作也就由mbp2017彻底换成mac mini了，要换就换彻底点，不要给自己了留后路，哼。为什么买mini而不是macbook系列，当然是为了减少一下尝鲜的成本，mini对于有显示器有键盘的童鞋来说

ubunt版本：16.04笔记本：机械革命，i7-6700，gtx965m（集显Intel Hm170 ）安装NVIDIA以及cuda来测试深度学习之前安装ubuntu前对grub文件进行了修改才进行了安装，现在进入系统安装完nvidia后记得将其改回来。禁用nouveau驱动Ubuntu系统集成的显卡驱动程序是nouveau，如果刚装好ubuntu16.04，系统输入密码无法进入桌面，无限