我设置了NPU_CORE_0_1_2，希望能够同时运行在3个npu核心上，但是当有多个算法进程在运行时，都同时运行在3个npu上，导致调度出错，进而影响整个系统运行。虽然报错信息里提示是网络第一层出现问题，但是由于该进程已经正常运行一段时间，因此可以排除是网络问题，应该是网络模型载入时出现问题，导致在第一层报错。在模型推理之前，需要初始化运行时环境，采用函数init_runtime，该函数如下图所

目录报错解决方案查询域名对应的ip地址修改host报错在用docker拉取tensorrt的镜像时，出现报错。拉取命令，如下docker pull nvcr.io/nvidia/tensorrt:21.06-py3报错信息如下error pulling image configuration: Get "https://ngc.download.nvidia.cn/containers/regis

模型转化这一步，需要在笔记本上的ubuntu20.04桌面版的虚拟机内完成，包括yolov5s.pt转为yolov5s.onnx，yolov5s.onnx转为yolov5s.rknn等两个主要步骤。再次，将yolov5s.onnx复制到~/Desktop/rknn-toolkit2/examples/onnx/yolov5目录下，将该目录下的test.py作出一些修改，如下图。最后，将转换后的rk

在ubuntu18.04系统上用pyinstaller工具加密防反编译打包yolov5项目的详细步骤

我设置了NPU_CORE_0_1_2，希望能够同时运行在3个npu核心上，但是当有多个算法进程在运行时，都同时运行在3个npu上，导致调度出错，进而影响整个系统运行。虽然报错信息里提示是网络第一层出现问题，但是由于该进程已经正常运行一段时间，因此可以排除是网络问题，应该是网络模型载入时出现问题，导致在第一层报错。在模型推理之前，需要初始化运行时环境，采用函数init_runtime，该函数如下图所

目录1. 报错2. 原因3. 最新sample1. 报错最近在尝试使用atlas 200进行算法开发，在网上搜到的yolov3 demo，如《【每天进步一点点】【昇腾】基于Atlas 200 DK的原版YOLOv3（Darknet-53）实现》，按照里面的运行指令，发现始终报错python3 main.py input_video/person.mp4报错内容为，找不到hiai库，这个库你用pip

前言支持向量机是定义在特征空间上使得间隔最大的线性分类器。它可以形式化为凸二次规划问题。对于这样的凸二次规划问题，我们往往使用拉格朗日方法转为为它的对偶问题。对于这样的对偶问题，我们可以使用SMO最小序列算法进行求解。我们将介绍三种支持向量机。当数据线性可分时，我们采用线性可分支持向量机；当数据近似线性可分，或者说去除掉数据中的某些点后剩余数据是线性可分的，则可以采用线性支持向量机；当数据线性不可

前言在前两篇博客里面，我们分别介绍了感知机的原始形式和感知机的对偶形式。在这篇博客里面，我们将用python3对上述两种感知机算法进行实现。8. 感知机原始形式现将算法复述如下：输入：数据集 T={(x1,y1),(x2,y2),...,(xN,yN)}T=\{(x_1, y_1), (x_2, y_2), ..., (x_N, y_N)\}T={(x1​,y1​),(x2​,y2​),...,(

目录查看当前显卡驱动和cuda版本下载和安装 显卡适合的驱动版本1. 进入中文版官网查询2. 卸载旧驱动3. 安装新驱动4. 查看新驱动安装cuda 11.2版本1. 下载安装包2. 取消安装显卡驱动3. 更新cuda软连接4. 修改bashrc文件测试使用darknet做训练，需要cuda>=10.2，而本机上cuda=10.0，所以需要升级显卡驱动和升级cuda版本。本机软硬件：系统为u

模块获得设备的MAC地址。但是该MAC地址在python代码重新运行后会变化，无法唯一标志。需要做校验，使得代码仅在特定服务器上运行。这就需要获得唯一标志该机器的机器码。这里，我选择机器的主板序列号作为唯一标志码。