在这个存储库中，我将分享一些关于在生产环境中部署基于深度学习的模型的有用的注释和参考资料。Convert PyTorch Models in Production:PyTorch Production Level Tutorials [Fantastic]The road to 1.0: production ready PyTorchPyTorch 1.0 tracing JIT an...

文章目录1、TensorRT 简介2、一个简单的TensorRT示例3、简要代码演练3.1、批量输入4、配置文件5、优化您的应用6、使用混合精度计算7、设置最大工作区大小8、重用TensorRT引擎9、练习题10、学到更多11、参考文献1、TensorRT 简介这篇新文章，即使用TensorRT加速深度学习推理，已更新为从PyTorch模型而非ONNX模型开始，将示例应用程序升级为使用Tensor

最近一个月开发了一款遥感影像深度学习标注软件。经过一个月的艰苦编码，基本已经稳定， 讲开发过程做一个简单记录，以备后用。一、遥感影像的标注与图片影像有何不同1、遥感影像文件尺寸大，单幅影像动辄达到几百M甚至上T的数据量。 用labelme之类的软件无法打开。2、遥感影像很多是16Bit32BiT 的数据，不经过数据类型转换和拉伸处理无法正常显示。3、数据成果的分幅问题， 普通图像可以直接导出标注结

python setup.py install --cuda_ext --cpp_ext马上报错File "setup.py", line 106, in <module>check_cuda_torch_binary_vs_bare_metal(torch.utils.cpp_extension.CUDA_HOME)File "setup.py", line 8...

文章目录1 官网下载GDAL源码2 解压源码并安装3 下载编译PROJ64 编译安装SQLite35 继续编译PROJ66 继续编译GDAL想用GDAL/OGR功能，折腾了一晚，把步骤记录下来，供以后参考。以下内容是在原文的基础上验证，修改了一些bug。1 官网下载GDAL源码可以去官网下载，也可以到下载，后者还提供源码和编译好的文件下载（Debian版本），我用的官网的源码进行的编译。2 解压源

规范的代码可以促进团队合作，规范的代码有助于提升代码的可读性，注释规范自动生成文档。1.头文件规则通常每一个.cpp 文件对应一个.h 文件，当然也有特列，main 函数入口 cpp 文件没有对应的.h, 只有纯虚函数的接口类只有.h 文件没有.cpp。1.1.#define 防止多重包含所有头文件都应该使用#define 防止头文件被多重包含，这个多重包含指的是一个 cpp 编译过程中不被多次包

场景:C++ 标准库使用比如vector::push_back 等这类函数时,会对参数的对象进行复制,连数据也会复制.这就会造成对象内存的额外创建, 本来原意是想把参数push_back进去就行了.C++11 提供了std::move 函数来把左值转换为右值, 而且新版的push_back也支持&&参数的重载版本,这时候就可以高效率的使用内存了.对指针类型的标准库对象并不需要这么做

warning: C4819: 该文件包含不能在当前代码页(936)中表示的字符。请将该文件保存为 Unicode 格式以防止数据丢失。忽略警告，但是问题还在（1）找出警告的文件，然后在该文件的开始处加入下面的语句：#pragma warning (disable:4819)（2）如果是 VS IDE，还可以：在Project -> Properties -> Configuratio

卷积计算卷积运算实现垂直边缘检测过滤器检测不同方向的边缘Padding输入图片维度信息是[6,6]，卷积核尺寸[3,3]，padding=1，步长stride=1，经过卷积运算之后输出图片维度信息也是[(6+2x1-3+1),(6+2x1-3+1)]，这样也就保持维度信息的一致性，不致于特征信息丢失。计算公式：n = (n-f+2p)/s+1 ，n是指输入/输出维度信息，f是卷积...

文章目录1 简介2 Pascal VOC和COCOs annotations 的区别3 将 Pascal VOC 转换为 COCO annotation4 VGG Image Annotator to COCO annotation5 coco数据可视化6 结论和进一步阅读1 简介以前，我们使用Pascal VOC数据格式使用自定义带annotated（注释）的数据集训练了mmdetection模