linux使用dmidecodeCPU ID// 代码:sudo dmidecode -t 4 | grep ID// 主板序列号代码:sudo dmidecode -t 2 | grep Serial// MAC地址代码:sudo lshw -c network | grep serial | head -n 1这个需要使用root权限，同时对于jetson 板子，dmidecode没用14、获

本文将介绍如何使用Flask搭建一个基于PyTorch的图片分类服务以及并行处理的相关技术。作为一个深度学习工程师，学习这些内容纯粹是为了方便对服务化的模型进行debug，因为web开发的同时常常表示他们很难定位到深度学习服务的bug的位置。1. 环境系统：Ubuntu 18.04Python版本：3.7依赖Python包：PyTorch==1.3Flask==0.12Gunicorn需要注意的是

测试模型：resnet50和resnet101测试显卡：2080ti单独测试耗时：resnet50 24.4ms resnet101 48.22ms初始化种子和热机：为了保证每次验证的一致性，需要初始化种子，使得每次测试的输入数据保持一致，同时，为了准确统计时间，测试前先跑100次热机，然后再统计时间。第一种情况：两个模型串行跑#!/usr/bin/env python# -*- coding:

RMSE（Root Mean Square Error）均方根误差衡量观测值与真实值之间的偏差。常用来作为机器学习模型预测结果衡量的标准。MSE（Mean Square Error）均方误差MSE是真实值与预测值的差值的平方然后求和平均。通过平方的形式便于求导，所以常被用作线性回归的损失函数。MAE（Mean Absolute Error）平均绝对误差是绝对误差的平均值。可以更好地反映预测值误差的

加载预训练模型：分为两种情况1.加载自己之前训练的模型pretrained_params = torch.load('Pretrained_Model'）model = New_Model(xxx) model.load_state_dict(pretrained_params.state_dict(),strict=False)2.加载pytorch中模型 以残差网络18为例import tor

pytorch torch.optim.lr_scheduler 调整学习率的六种策略1. 为什么需要调整学习率在深度学习训练过程中，最重要的参数就是学习率，通常来说，在整个训练过层中，学习率不会一直保持不变，为了让模型能够在训练初期快速收敛，学习率通常比较大，在训练末期，为了让模型收敛在更小的局部最优点，学习率通常要比较小。2. 学习率的初始值设置其实，不同的任务学习率的初始值是需要试验几次来获

Tensorflow 2.0 中模型构建的三种方式（三种模型的定义方式）,包括sequential，Functional，Subclassing APIs等三种方式，这三种方式的使用方法，例子和优劣

1.Onvif是什么ONVIF由安讯士联合博世及索尼公司三方宣布将携手共同成立一个国际开放型网络视频产品标准网络接口开发论坛，取名为ONVIF(Open Network Video Interface Forum，开放型网络视频接口论坛)，并以公开、开放的原则共同制定开放性行业标准。ONVIF规范描述了网络视频的模型、接口、数据类型以及数据交互的模式。并复用了一些现有的标准，如WS系列标准等。ON

摘要：在linux上用vim写C++的时候，通常用gdb进行调试，不能随心所欲的看代码和跳转代码以及加watch（也有可能是因为我还没有get正确的使用方法）。为此我发现Clion可以做到自动同步本场代码或自己下载远程代码同步到本地，以及调试在远程机器上运行的代码，为此记录下来。简介CLion 是一款专为开发 C 及 C++ 所设计的跨平台 IDE。 它是以 IntelliJ为基础设计的，包含了许

RMSE（Root Mean Square Error）均方根误差衡量观测值与真实值之间的偏差。常用来作为机器学习模型预测结果衡量的标准。MSE（Mean Square Error）均方误差MSE是真实值与预测值的差值的平方然后求和平均。通过平方的形式便于求导，所以常被用作线性回归的损失函数。MAE（Mean Absolute Error）平均绝对误差是绝对误差的平均值。可以更好地反映预测值误差的