@ by moses on 2015.1
email: donmoses1989@gmail.com
1. 用IDE工具如Eclipse创建一个Java工程（或Java Web工程）;
2. 在build path - configure build path - Libraries - 选择Add External JARS...
将...\Tomcat 8.0\
[附代码]重写YOLOX的TensorRT版本部署代码 前言YOLOX是前段时间旷视开源的一个目标检测算法，据说效果很好，这两天有空了就准备研究一下，看了论文感觉里面干货还是很多的，等后面再仔细研究研究。从论文放出的结果来看，YOLOX在速度和精度上应该是全面超过了之前的YOLO系列算法的。比较良心的是，作者不仅开源了代码和模型，还放出了TensorRT、OpenVINO、NCNN等框架下的模型部
openvino+yolov5的检测优化及其在考勤机上的应用1、简介2、安装yolov53、配置Pytorch环境(1)、在开始界面中打开Anaconda Prompt(2)、输入命令：4、配置到Pycharm(1)、打开Pycharm(2)、打开File--Settings(3)、打开环境配置界面(4)、加入环境(5)、设置环境为Pytorch4、pt模型转onnx模型(1)、安装openvi
转载
2024-10-17 11:00:44
94阅读
# ONNX Android部署指南
随着人工智能技术的迅速发展，越来越多的机器学习模型被用于移动设备中。在众多模型格式中，ONNX（Open Neural Network Exchange）因其开放性和灵活性受到了越来越多开发者的青睐。本文将介绍如何将ONNX模型部署到Android设备上，包括依赖库、代码示例及整个过程的结构化说明。
## 什么是ONNX？
ONNX是一个开放的深度学习框
文章目录一、常用布局线性布局（==Linear layout==）相对布局（==Relative layout==）帧布局（Frame layout）表格布局（Table layout）网格布局（Grid layout）约束布局（Constrained layout）二、添加布局1.利用XML文件设计2.利用java代码添加三、布局重要属性1. android:layout_width=" "
转载
2024-07-10 21:57:04
71阅读
Android四大组件Android四大组件包括如下：ActivityService广播(BroadCast Recevicer)Content ProviderActivity生命周期简单流程Activity简单生命周期流程为onCreate() -> onStart() -> onResume() -> onPause() -> onStop() -> onDes
转载
2023-10-24 05:29:48
157阅读
# PyTorch YOLO转ONNX
## 引言
近年来，随着深度学习技术的发展，计算机视觉领域取得了巨大的进展。目标检测是计算机视觉中的一个重要任务，它在许多实际应用中起着关键作用。其中，YOLO（You Only Look Once）是一种快速而准确的目标检测算法，广受欢迎。然而，YOLO通常使用PyTorch作为开发框架，在一些应用场景中需要将模型转换为ONNX格式，以便在其他框架中使用
原创
2023-08-21 10:14:23
435阅读
然后我发一个非常好的网站，提供了完整的脚本，于是我直接运行了该脚本就完成了安装，整个安装过程需要等待几个小
原创
2024-07-30 14:24:25
643阅读
文章目录2-1图像卷积2-2卷积核和步长2-2Yolov4的卷积例子2-6 全连接层讲解2-8VGG做图像检测、预测、训练的整个流程介绍3-1YOLOV3网络结构回顾13-5 YOLOV4网络结构backbone3-7 YOLOv4网格思想3-8 先验框anchors原理3-9 头部DECODE3-10 YOLO头部总结3-11 backbone构建01(CSPDarknet)CSPX的实现3-
Android官方架构组件ViewModel+LiveData+DataBinding架构属于自己的MVVMDemo运行效果获取Bing每日一图并显示项目结构实现过程1. 添加Glide、Retrofit、RxJava的依赖implementation 'com.squareup.retrofit2:retrofit:2.4.0'
compile 'com.squareup.retrofit2:a
转载
2024-01-21 02:28:49
194阅读
一、项目说明YOLOv5-Lite：本项目采用荔枝派4a进行YOLOv5-Lite的部署，YOLOv5-Lite 牺牲了部分网络模型精度，但是极大的提升了模型的推理速度值得一提的是，这款轻量化模型的制作者是中国ppogg大佬，原项目位于：https://github.com/ppogg/YOLOv5-LiteLicheepi 4A：LicheePi 4A 是基于 Lichee Module 4A
# YOLO模型在Android上的部署
YOLO（You Only Look Once）是一种高效的物体检测算法，它能够在图像中快速识别和定位多个物体。将YOLO模型部署到Android设备上，可以实现实时物体检测，这在许多应用中具有重要意义，例如自动驾驶、监控和增强现实等。本文将介绍如何将YOLO模型部署到Android上，并提供代码示例。
## 环境准备
要在Android设备上运行Y
原创
2024-10-18 10:28:07
461阅读
说得简单一点，该框架可以用来精简java代码，提升开发效率，利用注解在编译期生成getter/setter/toString()/hash/equals/construct等等方法。在web中用得比较多，但是在android上估计用得少之又少。个人认为在没有很好的评估该框架的兼容性前，在实际生成项目中最好不要使用。当然，在自己用来写demo的时候倒可以用来一试，怎一个爽字了得。关于该框架，官方的a
onnx全称是Open Neural Network Exchange。onnx既支持dl的模型，也支持ml的模型。目前我遇到的业务场景基本是pytorch->onnx->tensorrt和pytorch->onnx->ncnn，前者主要是在云端部署的情况，大多数还是用tensorrt的py接口去加速，后者只要是放在端侧部署的情况。之前电商的业务大部分还是直接部署在云端，通
【深度学习】ONNX模型CPU多线程快速部署 文章目录【深度学习】ONNX模型CPU多线程快速部署前言搭建打包环境python多线程并发简单教程基本教程ONNX模型多线程并发打包成可执行文件总结 前言之前的内容已经尽可能简单、详细的介绍CPU【Pytorch2ONNX】和GPU【Pytorch2ONNX】俩种模式下Pytorch模型转ONNX格式的流程，本博文根据自己的学习和需求进一步讲解ONNX
一、安装安卓终端模拟器Termuxhttps://github.com/termux/termux-app/releases手机是arm 64位的，就下载 ‘termux-app_v0.118.0 github-debug_arm64-v8a.apk’，或者从F-Droid下载https://f-droid.org/repo/com.termux_117.apk安装完apk后如下更换源 Termu
转载
2024-03-30 19:43:31
381阅读
1面向对象的基本概念：1.1 面向对象的程序是由对象组成的：每个对象包含对用户公开的特定功能部分和隐藏的实现部分。程序中许多对象都是来自标准库的，但是还有一些是自己定义的。但是究竟是自己定义的还是从外界购买的对象完全取决于开发项目的预算和时间。1.2 面向对象的思想和面向过程的思想：面向对象是基于面向过程的编程思想的；贴合我们的生活来说面向过程，相当于我们去执行每一件事情的过程，此时的我们是执行者
import torchfrom torchvision import
转载
2023-05-18 17:13:50
344阅读
# Python ONNX部署
## 介绍
ONNX（Open Neural Network Exchange）是一个开放的深度学习模型交换格式，它的目标是实现不同深度学习框架之间的模型互操作性。ONNX通过定义通用的模型表示来实现跨不同框架的模型导出和导入。
在本文中，我们将学习如何使用Python和ONNX来部署深度学习模型。我们将通过以下步骤来实现：
1. 选择一个深度学习框架（如P
原创
2023-07-24 03:37:02
449阅读
# 使用ONNX在Python中进行部署
ONNX（Open Neural Network Exchange）是一种开放标准，用于表示深度学习模型。通过使用ONNX，我们可以在不同的深度学习框架之间共享和部署模型，无需重新训练。本文将介绍如何使用ONNX在Python中部署深度学习模型。
## 步骤
### 步骤一：将模型转换为ONNX格式
首先，我们需要将我们的深度学习模型转换为ONNX
原创
2024-02-23 03:42:52
125阅读
