MODNet是一个实时Matting的深度学习模型，本文是MODNet的模型部署教程，将MODNet的onnx模型使用python部署，实现了图片Matting，视频Matting等功能。

本项目使用深度学习目标检测开源框架PaddleDetection中的yolox算法实现了垃圾检测，本文包含了从头训练yolox模型和直接使用训练好的模型进行推理的代码及相关权重。

本文介绍了OrangePi AIpro的测评结果，跑通了官方给定的示例代码，并使用图片和视频对yolov5模型进行测试，总体感觉非常nice。

MODNet是一个实时Matting的深度学习模型，本文是MODNet的模型部署教程，将MODNet的onnx模型使用python部署，实现了图片Matting，视频Matting等功能。

深度学习gpu的显存至关重要，显存过小的话，模型根本无法跑起来，本文介绍几种显存不足时的优化方法，能够降低深度学习模型的显存要求。

神经网络学习的本质就是学习数据的分布。如果没有对数据进行归一化处理，那么每一批次训练的数据的分布就有可能不一样。本文介绍了深度学习中常用的几种归一化方法，并且使用numpy实现了几种方法，相信一定能让你有所收获。

本项目使用深度学习目标检测开源框架PaddleDetection中的yolox算法实现了垃圾检测，本文包含了从头训练yolox模型和直接使用训练好的模型进行推理的代码及相关权重。

深度学习的模型参数类型为FP32，每个数值在存储时需要32bit存储空间，若是将其转换为int8或者uint8来保存，那么模型的大小将会降低为1/4。下表为不同精度的数值计算成本，可以看出8bit数值的计算成本远低于32bit计算成本。

本文介绍了OrangePi AIpro的测评结果，跑通了官方给定的示例代码，并使用图片和视频对yolov5模型进行测试，总体感觉非常nice。

基于深度学习的水果商品检测分类看到一个水果数据集，共包含3种水果（苹果、香蕉、橘子），正好在学习yolo，就用yolo做个实践，检测水果并识别其种类。原图及检测效果图如下：数据集介绍数据集格式为VOC格式，共包含3类图片（苹果，香蕉和橘子），每类有100张图片，其中80张用于训练集，20张用于验证集。数据集目录如下：数据集部分图片：检测模型本文采用YOLOV3算法进行目标检测，backbone选择