简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
使用ONNX+TensorRT部署人脸检测和关键点250fpsThis article was original written by Jin Tian, welcome re-post, first come with https://jinfagang.github.io . but please keep this copyright info, thanks, any ques...
cuDNN error: CUDNN_STATUS_INTERNAL_ERROR1、博主百度无解后逛了逛Pytorch的社区,发现上面也有很多朋友碰到了该问题,他们提供的解决办法是:sudo rm -rf ~/.nv删除掉nvidia缓存,并且有人说奏效,也有人说It doesn't work for me...2、于是乎,博主发现了解决该问题的方法:(特别...
深度学习训练,选择P100就对了原文:https://yq.aliyun.com/articles/238764摘要: 本文使用NVCaffe、MXNet、TensorFlow三个主流开源深度学习框架对P100和P40做了图像分类场景的卷积神经网络模型训练的性能对比,并给出了详细分析,结论是P100比P40更适合深度学习训练场景。1.背景 去年4月,NVIDIA推出了Tesla P...
开源地址:https://github.com/zhuhao-nju/facescapedemo_bilinear_basic.ipynb 代码:from src.facescape_bm import facescape_bmfrom src.renderer import render_cvcamfrom src.utility import show_img_arrnp.random.see
1.model size就是模型的大小,我们一般使用参数量parameter来衡量,注意,它的单位是个。但是由于很多模型参数量太大,所以一般取一个更方便的单位:兆(M)来衡量。比如ResNet-152的参数量可以达到60 million = 0.0006M。有些时候,model size在实际计算时除了包含参数量以外,还包括网络架构信息和优化器信息等。比如存储一个一般的CNN模型(ImageNet
参考:https://blog.csdn.net/u013007900/article/details/45922331龙格-库塔(Runge-Kutta)方法龙格-库塔(Runge-Kutta)方法是一种在工程上应用广泛的高精度单步算法。由于此算法精度高,采取措施对误差进行抑制,所以其实现原理也较复杂。该算法是构建在数学支持的基础之上的。对于一阶精度的欧拉公式有: yi+1=yi+hkiyi+1
go cannot find package "github.com/gorilla/websocket"wfs_server_lite.go:9:5: cannot find package "github.com/gorilla/websocket" in any of:E:\Go\src\github.com\gorilla\websocket (fr
https://github.com/tdegeus/pybind11_examples/blob/master/01_py-list_cpp-vector/test.pyimport exampleA = [1.,2.,3.,4.]B = example.modify(A)print(B)pybind传输list感觉数据类型必须是单一的某个类型:#include <pybind11/pyb
https://mp.weixin.qq.com/s/jVJgv1awdIvTTUTlPvNKZA
pytorch转:https://github.com/autocyz/pytorch2ncnnhttps://github.com/kouxichao/pytorch2ncnnhttps://github.com/yanghanxy/Keras2NCNNhttps://github.com/nxp-gf/flask-server-for-ncnn...