最近深度学习CPU根本不够用，老板配置了GPU 怎么能不会用呢？原来从来没有关注过的底层东西，于是乎痛下决心搞清楚原理和操作先来看看第一部分为什么GPU比CPU更diao呢？ 这里就需要从他么的区别入手那他么的区别是什么呢？ 这里就需要从他的原理出发了，由于其设计目标的不同，它们分别针对了两种不同的应用场景CPU 需要很强的通用性 为了处理各种不同的数据类型，同时又要逻辑判断又会引入大量的分支跳转
转载
2024-04-21 16:16:44
78阅读
TensorFlow与PyTorch对比计算图分布式训练生产部署比较 参考链接： https://zhuanlan.zhihu.com/p/80733307 计算图计算图是一种将计算描述成有向无环图的抽象方式。图是一种由节点Node（顶点）和边Edge构成的数据结构，是由有向的边成对连接的顶点的集合。结点：表示数据，如向量、矩阵、张量。 边：表示运算，如加减乘除卷积等。pytorch使用动态
转载
2024-03-19 07:15:10
34阅读
前言 本文介绍了Windows10下YOLOv8 TensorRT CUDA加速部署。TensorRT-Alpha基于tensorrt+cuda c实现模型end2end的gpu加速。关注仓库《TensorRT-Alpha》：https://github.com/FeiYull/TensorRT-AlphaYOLO系列开个头，更多模型，敬请期待。提示:如果您对TensorRT不是很熟悉，请务必按照
优点：以FP32到INT8量化为例，模型存储占用减小为1/4；增加数据throughput。 什么是量化：表达式：示意图：为什么不使用线性量化(y=ax+b)？因为线性量化后做乘运算会改变分布。怎么量化：TensorFlow Lite量化：训练后量化和量化训练两种方式。训练后量化方式：过程：1.权重量化. 2.infer校准数据集统计activations的最大最小值以量化activat
转载
2024-03-13 09:37:28
81阅读
八大机器学习框架的对比：(1) TensorFlow：深度学习最流行的库之一，是谷歌在深刻总结了其 前身 DistBelief 的经验教训上形成的；它不仅便携、高效、可扩 展，还能再不同计算机上运行:小到智能手机，大到计算机集群都 能；它是一款轻量级的软件，可以立刻生成你的训练模型，也能 重新实现它；TensorFlow 拥抱创新，有强大的社区、企业支持， 因此它广泛用于从个人到企业、
转载
2024-03-26 14:24:34
45阅读
首先来了解一下什么是TensorFlow ？TensorFlow 是一个采用数据流图(data flow graphs)，用于数值计算的开源软件库。其命名来源于本身的原理，Tensor(张量)意味着N维数组，Flow(流)意味着基于数据流图的计算。Tensorflow运行过程就是张量从图的一端流动到另一端的计算过程。张量从图中流过的直观图像是其取名为“TensorFlow”的原
套索工具（套索工具亦可以进行布尔运算，即选区的加减）①消除锯齿：一般抠图要勾选 ②宽度：（套索工具离图形边界的距离）该值决定了以光标中心为基准，以设置的数值为半径，其整个圆周围有多少个像素能够被工具检测到，来进行自动识别边界。边界清晰时可以设置数值高一点。 ③对比度：（图形边界颜色之间的对比，边界颜色越清晰，设置的对比度要越高，如果边界有两种相近的颜色，即边界不清晰，需要设置低一点的对比度，这样它
转载
2024-09-18 14:12:48
65阅读
Keras 是一个主要由Python 语言开发的开源神经网络计算库。Keras 库分为前端和后端，其中后端可以基于现有的深度学习框架实现，如Theano，CNTK，TensorFlow，前端接口即Keras抽象过的统一接口API。那么 Keras 与tf.keras 有什么区别与联系呢？其实Keras 可以理解为一套搭建与训练神经网络的高层API 协议，Keras 本身已经实现了此协议，可以方便的
转载
2024-04-06 16:44:22
169阅读
距离Tensorflow的1.2.1版本发布才过去一个月，但新发布的1.3版本已经包含了诸多更新。开发者可以在Tensorflow Github页找到完整的发布报告。本文则会概述开发者在升级到1.3版本之前和之后应知晓的最重要变化。从cuDNN 5.1到cuDNN 6开发者要从1.2.1升级到1.3，还需要升级系统中的cuDNN版本。1.3的编译版本是用NVIDIA的cuDNN 6编译的，而1.2
转载
2024-02-23 23:26:55
358阅读
XML文件关于这个文件格式，其实我接触并不多。 具体介绍见XML文件结构和基本语法 类似的有YAML。为什么要写XML文件最近头疼依然是在做数据集标记，因为原始LableImage工具生成的是XML文件，因为装不上这个工具，所以用Matlab标记了，需要将数据写进XML，和那个工具生成一样的格式。 从同事那里拿来工具生成的标准XML文件，开始有点懵。 标准文件是这个样子：椭圆画出部分是当前图片的基
转载
2024-03-19 17:26:31
47阅读
功能组件（数据管道、回调函数、特征列处理）前言本文是《pytorch-tensorflow-Comparative study》，pytorch和tensorflow对比学习专栏，第三章——功能组件（数据管道、回调函数、特征列处理部分）。虽然说这两个框架在语法和接口的命名上有很多地方是不同的，但是深度学习的建模过程确实基本上都是一个套路的。所以该笔记的笔记方式是：在使用相同的处理功能模块上，对比记
转载
2024-03-21 17:50:39
290阅读
TensorFlow是一个用于Google创建和发布的快速数值计算的Python库。它是一个基础库，可用于直接创建深度学习模型，或使用包装库来简化在TensorFlow之上构建的过程。 在这篇文章中，您将发现用于深度学习的TensorFlow库。让我们开始吧。什么是TensorFlow？TensorFlow是一个用于快速数值计算的开源库。它由Google创建并维护，并在Apache 2.
转载
2024-01-11 17:20:25
71阅读
1.什么是rsync? Rsync是一款开源的、快速的，多功能的，可实现全量及增量的本地或者远程数据同步备份的优秀工具。windows和linux都可以。 官网：http:www.samba.org/ftp/rsync/rsync.html2.rsync简介 类似scp，但是优于它，增量，scp是全量的，但是rsync又不是加密的。也可
HBase学习之路 (一)HBase基础介绍产生背景自 1970 年以来，关系数据库用于数据存储和维护有关问题的解决方案。大数据的出现后， 好多公司实现处理大数据并从中受益，并开始选择像 Hadoop 的解决方案。Hadoop 使用分 布式文件系统，用于存储大数据，并使用 MapReduce 来处理。Hadoop 擅长于存储各种格式 的庞大的数据，任意的格式甚至非结构化的处理。Hadoop 的限制
YOLO系列解读（上）1. 背景介绍2. 正文：Yolov1~Yolov32.1 Yolov12.1.1 Yolov1介绍2.1.2 Yolov1 小结2.2 Yolov22.2.1 Yolov2介绍2.2.2 Yolov2小结2.3 Yolov32.3.1 Yolov3介绍2.3.1 Yolov3小结3. 总结 1. 背景介绍 写这篇文章的契机是6月底和7月初，Yolo v6和Yolo v7
转载
2024-07-23 20:26:01
130阅读
目录一、报错记录1. 报错 Process finished with exit code -1073740791 (0xC0000409)2. 报错 Could not locate zlibwapi.dll. Please make sure it is in your library path!3. 报错 Could not load library cudnn_cnn_infer64_8
转载
2024-08-23 14:07:57
49阅读
TensorFlow 是一个开源的、基于 Python 的机器学习框架，它由 Google 开发，并在图形分类、音频处理、推荐系统和自然语言处理等场景下有着丰富的应用，是目前最热门的机器学习框架。除了 Python，TensorFlow 也提供了 C/C++、Java、Go、R 等其它编程语言的接口。任何曾经试图在 Python 中只利用 NumPy 编写神经网络代码的人都知道
转载
2023-12-05 15:20:38
54阅读
本篇文章测试的哈工大LTP、中科院计算所NLPIR、清华大学THULAC和jieba、FoolNLTK、HanLP这六大中文分词工具是由 水...琥珀 完成的。相关测试的文章之前也看到过一些，但本篇阐述的可以说是比较详细的了。这里就分享一下给各位朋友！安装调用jieba“结巴”中文分词：做最好的 Python 中文分词组件THULAC清华大学：一个高效的中文词法分析
转载
2024-07-16 13:00:45
119阅读
前言虽然现在流行前后端分离开发和部署，但是有时候还是需要用到服务端渲染页面的。比如：需要考虑到SEO优化等问题的时候，FreeMark其实还是很有作用的。本人的博客本来是用React开发的，但是后来发现搜索引擎难以收集由JS渲染的页面，所以前段时间，是用jQuery+FreeMark重写了我的博客前端页面。感兴趣的朋友，可以点击下面的查看更多的链接跳转至本人的博客。在springboot中，不推荐
在人工智能行业，2015-2016 出现了一个不同寻常的趋势：许多重量级机器学习项目纷纷走向开源，与全世界的开发者共享。加入这开源大潮的，不仅有学界师生，更有国内外的互联网巨头们：国内有百度和腾讯，国外的有谷歌、微软、IBM、Facebook、OpenAI 等等。本文总结了国外各家互联网巨头的七大开源机器学习项目：| Google：TensorFlowTensorFlow 发布于 201
