目录目录目录前情提要首先澄清一下1.使pycharm与远端服务器建立连接2.在远端服务器上配置tensorflow环境2.1.安装python版本控制软件Anaconda问题（-sh: 2: conda: not found/-sh: 3: source: not found）2.2.安装显卡驱动程序CUDA2.3.设置pycharm的远端解释器以及上传自己的文件到远端服务器问题1：ImportE
领先的高清媒体半导体解决方案供应商全志科技（AllWinner Technology）授权获得了ARM Cortex-A8处理器和 Mali-400 MP图形处理单元（GPU），致力以超低功耗将高性能处理器和
前几天Google的IO大会上发布的ML Kit，ML Kit为端上部署深度学习模型提供了一套完整的解决方案，本地运行、云端都支持。里面本地部署用到的就是Tensorflow lite。Tensorflow Lite是在Google去年IO大会上发表的，目前Tensorflow Lite也还在不断的完善迭代中。Tensorflow Lite在Android和iOS上部署官网有比较详细的介绍已经对应
转载
2024-03-14 20:44:25
357阅读
1评论
Avaota A1开发板使用的是 Allwinner 的 T527 SoC，其框图如下：
处理器（Processor）：
八核 ARM Cortex-A55 架构，主频最高可达 2.0 GHz
RISC-V CPU，主频可达 200 MHz
HiFi4 音频 DSP
ARM G57 MC01 GPU
最高可达 2 Tops 的 NPU（神经网络处理单元）
内存（Memory）：
32位 D
TensorFlow Lite 是一种用于设备端推断的开源深度学习框架。 按照官方的说法，TensorFlow Lite 是一组工具，可帮助开发者在移动设备、嵌入式设备和 loT 设备上运行模型，以便实现设备端机器学习。 所以在设计之初，Tensorflow Lite没有打算在Windows端进行部署的，但是最近它提供了CMakeLists.txt编译脚本，因而可以将其编译为动态库以在Window
转载
2024-04-23 10:03:50
119阅读
Tensorflowlite 部署到 arm开发板一 先在本机上操作1 下载TensorFlow下载依赖2 准备ARM的交叉编译环境2.1 下载安装包2.2 解压安装包2.3 配置环境变量2.4 查看编译器版本3 交叉编译生成静态库4 官方Demo ：label_image的编译4.1 整理头文件4.2 cmake ,make 进行编译二 在开发板上操作 一 先在本机上操作本机：Ubuntu18
转载
2023-12-20 09:59:02
234阅读
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。 基于 ncnn，开发者能够将深度学习算法轻松移植到手机端高效执行， 开发出人工智能 APP，将 AI 带到你的指尖。
ncnn 源码下载
git clone --recursive --depth 1 http
原创
2024-07-22 10:29:36
171阅读
最近一个项目需要使用Tensorflow lite, 官网上的解释又特别简单，主要给了一个例子，但是这个例子和官网的解释又不一样。。。。这里简单记录下操作方法。添加依赖某些加载的方法，依赖并不支持。在自己的build.grandle的依赖中添加：implementation 'org.tensorflow:tensorflow-lite:1.15.0'
implementation 'or
转载
2024-01-02 12:26:13
62阅读
硬件模块加持
T527集成了多个图形显示和编解码相关的硬件模块，为高清图像显示、高清视频播放和多路高清摄像头输入提供了强大的硬件基础：
ARM Mail-G57 GPU
自研显示引擎(Display Engine)
去隔行处理单元(De-interIace)
2D图像加速单元(Graphic2D)
视频编解码引擎(Video Engine)
自研视觉处理器(ISP)
视觉缩放处理单元(VIPP)
原创
2024-05-24 14:14:22
303阅读
前言： （2）本文章后续将在 B站 出门吃三碗饭 账号下更新讲解视频，可以同时观看食用Abstract：本文将通过介绍使用TensorflowLite框架，利用AndroidStudio工具来实现识别模型的移动端部署1.Introduction:因为最近有粉丝有反应的一个需求，训练好了一个模型如何迁移到移动端使用，于是我忙活了三四天，有了此文~2.RelatedWorks:TensorflowLi
转载
2024-05-13 13:16:35
95阅读
sp_set_para_value(2,'DW_PORT' , 33141 ); sp_set_para_value(2,'DW_ERROR_TIME' , 60 ); sp_set_para_value(2,'ALTER_MODE_STATUS' , 0 ); sp_set_para_value(2,'ENABLE_OFFLINE_TS' , 2); sp_set_para_val
使用tensorflow lite部署模型1.转换成tflite文件2.跑通官方demo3.连接手机调试4.更换自己的模型 这里放一个小伙伴的共识：tensorflow的版本兼容就是个大坑，不要靠近，会变得不幸。本来我不信邪，现在我只想说，不要用奇奇怪怪的tf模型转tflite,非要转就用常见的吧，呜呜呜。 这是一篇未成功的tensorflow lite踩坑记录，我打算转战onnx
转载
2024-04-29 18:44:05
284阅读
TensorFlow的安装之路0 安装前须知1 安装Anaconda1.1 什么是虚拟环境？1.2 安装Anaconda具体步骤1.3 添加环境变量（系统变量）1.4 修改Conda库和pip库的安装源2 创建虚拟环境3 安装CUDA3.1 查看显卡驱动信息3.2 CUDA版本对显卡驱动的要求3.3 安装CUDA具体步骤3.4 CUDA环境变量的添加3.5 查看CUDA的版本4 安装cuDNN4
转载
2024-10-29 10:33:29
293阅读
准备工作
在这之前，确保设备已经联网，可以用 ifconfig 命令查看联网状态。这里使用的是 WIFI 联网，可以看到已经获取了IP地址。
由于安装需要较长时间，建议使用 screen 后台登录，这里看到系统默认已经安装了 screen
sudo apt install screen
安装 LNMP 服务
使用一键安装程序，安装配置 LNMP 服务器
首先进入 ROOT 模式
sudo -i
原创
2024-07-05 10:10:16
129阅读
Docker 是一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的镜像中，然后发布到任何流行的 Linux或Windows操作系统的机器上，也可以实现虚拟化。容器是完全使用沙箱机制，相互之间不会有任何接口。
准备安装
卸载旧版本
在安装Docker Engine之前，您需要卸载任何冲突的软件包。
发行版维护者在APT中提供了Docker软件包的非官方发布。在安装官方版本的D
原创
2024-07-05 10:18:41
127阅读
交叉编译
进入到源码目录，执行
./configure ac_cv_func_malloc_0_nonnull=yes --host=aarch64-none-linux-gnu --enable-static --prefix=/home/feng/文档/development/Linux/application/OK527N/libmodbus-3.1.10/install/
其中--hos
原创
2024-07-18 15:01:17
194阅读
TensorFlow Lite（移动端部署模型）
原创
2021-08-02 16:05:08
449阅读
本文主要针对pb文件，用Android TensorFlow API实现目标检测和识别，不需要NDK和CMake混合编程 编译c/c++文件只需要在Android项目模块的Module的build.gradle输入// Tensorflow
compile 'org.tensorflow:tensorflow-android:1.13.1'由于很多处都可以查阅源代码，便不附加项目工程，只是
转载
2024-07-09 22:16:40
49阅读
实现一个最简单的嵌入式操作系统(一) 实现一个什么都不能做的嵌入式操作系统1.首先确定CPU，在这里为了简单，就选用嵌入式的CPU，比如ARM系列，之所以用RISC（简单指令集）类型的CPU，其方便之处是没有实模式与保护模式之分，采用线性的统一寻址，也就是不需要进行段页式内存管理，还有就是芯片内部集成了一些常用外设控制器，比如以太网卡，串口等等，不需要像在PC机的主板上那么多外设芯片
