在深度学习中，通常会使用巨量的数据或图片来训练网络。对于如此大的数据集，如果对于每张图片都单独从硬盘读取、预处理、之后再送入网络进行训练、验证或是测试，这样效率可是太低了。如果将这些图片都放入一个文件中再进行处理，这样效率会更高。有多种数据模型和库可完成这种操作，如HDF5和TFRecord。1 hdf5格式使用方法1.1 hdf5文件介绍一个HDF5文件是一种存放两类对象的容器：da...

Tensorflow 构建CNN一.构建CNN准备1.创建权重函数def weight_variable(shape,name="w"):  initial = tf.contrib.layers.xavier_initializer()  return tf.get_variable(name,initializer = initial,shape=sha...

TensorFlow 模型剪枝一、运行环境TensorFlow-gpu > 8.0python 3.6numpy 1.16CUDA 9.0 , cudnn 7.0二、模型剪枝方法模型训练时剪枝，只需选定需要剪枝的层，对于选中做剪枝的层增加一个二进制掩模（mask）变量，形状和该层的权值张量形状完...

1. Pytorch模型量化方法Pytorch模型量化方法介绍有很多可以参考的，这里推荐两篇文章写的很详细可以给大家一个大致的参考Pytorch的量化，官方量化文档Pytorch的量化大致分为三种：模型训练完毕后动态量化、模型训练完毕后静态量化、模型训练中开启量化，本文从一个工程项目（Pose Estimation）给大家介绍模型训练后静态量化的过程。具体量化知识可以从推荐的两篇文章中学习。2.

import pymysqlconn = pymysql.Connect(host='192.168.255.255',user='laicheng',passwd='135246',db='test_sql')cur = conn.cursor()cur.execute("select version()")for i in cur:print(i)cur.close()

import pymysqlconn = pymysql.Connect(host='192.168.255.255',user='laicheng',passwd='135246',db='test_sql')cur = conn.cursor()cur.execute("select version()")for i in cur:print(i)cur.close()

1. Pytorch模型量化方法Pytorch模型量化方法介绍有很多可以参考的，这里推荐两篇文章写的很详细可以给大家一个大致的参考Pytorch的量化，官方量化文档Pytorch的量化大致分为三种：模型训练完毕后动态量化、模型训练完毕后静态量化、模型训练中开启量化，本文从一个工程项目（Pose Estimation）给大家介绍模型训练后静态量化的过程。具体量化知识可以从推荐的两篇文章中学习。2.