1.RK3399 USB下图是RK3399 SOC的框图。RK3399包含了2个USB2.0 Host控制器；两个USB3.0 OTG控制器，同时兼容USB2.0。USB3.0使用的是Synopsys公司的IP，驱动也使用Synopsys的dwc3 USB驱动。2.USB3.0 OTG Controller简介USB3.0 OTG控制器可以作为主机（Host）、设备（Device），或者根据从US
ncnn 是一个为手机端极致优化的高性能神经网络前向计算框架。ncnn 从设计之初深刻考虑手机端的部署和使用。无第三方依赖，跨平台，手机端 cpu 的速度快于目前所有已知的开源框架。支持大部分常用的 CNN 网络: Classical CNN: VGG AlexNet GoogleNet Inception …
Practical CNN: ResNet DenseNet SENet FPN …
1 数字媒体片上系统
1.1 特性
。高性能能数字媒体soc
594MHz C64x+
297MHz ARM926EJ-S
&nb
报错内容：P16 is not supported on CPU; using FP32 instead 解决办法：在最后加上-- fp16 False whisper git地址：
AHP算法（一）----算法介绍介绍作用使用场景应用场景涉及知识点程序算法解析1.构建层次分析结构2.构造判断矩阵3.计算初始权重4.一致性检验代码实现链接 介绍AHP是Analytic Hierarchy Process得简称，中文名：层次分析法、多方案决策方法。 AHP是美国运筹学家T. L. Saaty教授于二十世纪70年代提出的一种实用的多方案或多目标的决策方法，是一种定性与定量相结合的决
openvino系列 8. 训练后优化工具 Post-training Optimization Tool (POT) 在物体识别模型中的使用本章节介绍英特尔 OpenVINO Post-training Optimization Tool 在物体识别模型量化/优化的一个案例。 POT 可以说是在CPU端加速推理的一个工具，而 POT API 有助于为单个或级联/复合深度学习模型实现自定义优化管道
1.概念1.十进制转二进制，对2取余，余数倒序排列
2.字符串为空的时候，bool值为false，字符串非空就是True
3.字符串转化成int时，必须是只包含数字才能转化。
4.字符串转化成int时可以有空格，int()会自动的省略空格---> int(" 5 ")2.基本数据类型详解1.数字int
#bit_length() 当十进制用二进制表示时，最少使用的位数
转载
2023-08-02 21:58:36
83阅读
混合精度训练混合精度训练是在尽可能减少精度损失的情况下利用半精度浮点数加速训练。它使用FP16即半精度浮点数存储权重和梯度。在减少占用内存的同时起到了加速训练的效果。IEEE标准中的FP16格式如下：取值范围是5.96× 10−8 ~ 65504，而FP32则是1.4×10-45 ~ 3.4×1038。从FP16的范围可以看出，用FP16代替原FP32神经网络计算的最大问题就是精度损失。 
自cuda7.5开始我们可以直接用half(fp16)编程，理论上速度会比float快一倍左右。理想虽好，现实却比较骨感，在实际中会遇到各种坑，最终的结果却是不一定有收益，下面把自己在用half编程中踩过的坑记录一下。1. half编程和计算能力密切相关half编程要求GPU的计算能力要大于等于5.3，这就意味着大家很多GPU不支持此功能。例如，GTX 1050之前的GPU全不支持half计算，此
1.实数数的表示 参考深入理解C语言-03-有符号数，定点数，浮点数 1.1定点数 一般在没有FPU寄存器的嵌入式系统中使用比较多。比如常见的32位系统中，将高16位作为整数部分，低16位作为小数部分。这样就可以用整数来模拟定点数的 + - * / 运算。关于定点数的数学分析，请参考以下文档：htt
原创
2021-07-09 15:09:03
10000+阅读
1. Training a Custom Classifier based on a Quantized Feature Extractor量化特征提取器在本节中，您将使用**“冻结”量化特征提取器**，并在其顶部训练自定义分类器头。 与浮点模型不同，您不需要为量化模型设置require_grad = False，因为它没有可训练的参数。加载预训练的模型：在本练习中，您将使用ResNet-18。i
NVIDIA最近发布了备受期待的RTX 30系列显卡。
转载
2021-07-20 16:32:54
1371阅读
深度学习正在彻底改变行业提供产品和服务的方式。这些服务包括用于计算机视觉的对象检测、分类和
原创
2022-06-27 17:20:30
1259阅读
光端机的接口类型还是比较多的，常见的物理接口类型有BNC接口、光纤接口、RJ-45接口、RS-232接口、RJ-11接口。那么，你对这五种典型的物理接口类型是否有所了解呢？接下来就由飞畅科技的小编一起来详细了解下吧！光端机的典型物理接口如下：1、BNC接口 BNC（基本网络卡）接口是10Base2的接头，是指同轴电缆接口，BNC接口用于75欧同轴电缆连接用，提供收（RX）、发（TX）两个通道，它用
文章目录一、安装软件二、准备源码文件三、执行安装四、添加环境变量五、使用RuyiStudio-2.0.21六，移植yolov3七、板端运行出现的问题 简介RuyiStudio 集成 windows 版的 NNIE mapper 和仿真库，具有生成 NNIE wk 功能、仿真 NNIE 功能，同时具有代码编辑、编译、调试、执行功能、网络拓扑显示、目标检测画框、向量相似度对比、调试定位信息获取等功能
文章目录一、什么是 TensorRT1.1 用途1.2 TensorRT 优化方法二、什么是 ONNX2.1 PyTorch 转 ONNX2.2 ONNX 转 TensorRT 在深度学习模型落地的过程中，会面临将模型部署到边端设备的问题，模型训练使用不同的框架，则推理的时候也需要使用相同的框架。但因为每个平台都有不同的功能和特性，所以不同类型的平台，调优和实现起来非常困难。如果需要在该平台上运
迁移学习——猫狗分类（PyTorch：迁移 VGG16 方法）3.2 迁移 VGG163.2.1 通过代码自动下载模型并直接调用3.2.2 对当前迁移过来的模型进行全连接层的调整3.2.3 模型训练及结果3.2.4 举例说明 前文关于迁移学习的入门及自定义模型的方法看这里： 迁移学习——猫狗分类（PyTorch：自定义 VGGNet 方法）。 参考了唐进民的《深度学习之PyTorch实战计算
caffe是比较老的框架了，pytorch还不火的时候，还是比较流行的，有些比较著名的如人脸识别网络如centerloss，目标检测网络mtcnn、ssd，OCR识别都有对应的caffe版本。但有几个问题：1、添加新的层比较麻烦，要写反向传播；2、搭建网络时，prototxt的网络结构比较麻烦，动辄几千行。3、一些新的trick添加比较麻烦。pytorch可以解决以上问题。现在很多任务都会使用py
什么是client/server模式？Client/Server结构(C/S结构)是大家熟知的客户机和服务器结构。 它是软件系统体系结构，通过它可以充分利用两端硬件环境的优势，将任务合理分配到Client端和Server端来实现，降低了系统的通讯开销。 目前大多数应用软件系统都是Client/Server形式HttpClient和WebService的区别和介绍eplan打开提示与'eplan c
pytorch中的混合精度训练，可以帮助我们更加快速地、使用更大的batch_size去训练模型，这其中涉及到的是不同精度的浮点数类型（单精度FP32以及半精度FP16）之间的切换和混合使用，所以叫做混合精度训练。字节二进制数系统中，每个0或1就是一个位(bit)，位是数据存储的最小单位。1个字节是8个比特，即：1byte = 8bit。而半精度浮点数FP16（FP，Floating Point浮
