高级章节指引/代码库讲解1） 代码库结构开源代码结构构成，后续更新到最新的版本，需要用到API使用方式和例子2）模型转换机器学习的核心在于推理模型，开发板目前不支持训练，只能用于推理，而用于开发板的模型的格式是.om（offline Model）,这种离线模型是开发板框架都有的一种模型，但当前这种模型还不能直接通过训练获得，只能通过caffe/tensorflow训练得到的模型转换而来...
原创
2021-07-11 17:03:31
755阅读
【摘要】 Atlas 200 DK安装python的hiai库以及opencv【昇腾】开发板上安装python的hiai库和opencv库Matrix是已经支持phthon接口了，但是发现目前python的hiai库并没有自动安装，需要自己安装；话不多说下面是安装步骤：步骤1. 开发板联网，如果已联网则跳过该步骤； 否则请参考以下链接配置开发板联网（https://bbs.hua
原创
2021-05-24 20:58:48
746阅读
版本检查: 2017.3-难度: 高级这是系列文章中的第五章，内容涉及“Unity5”中的资产、资源和资源管理。本系列的前一章介绍了AssetBundles的基本原理，其中包括各种加载API的低级行为。本章讨论了在实践中使用AssetBundles的各个方面存在的问题和可能的解决方案。Managing loaded Assets在内存敏感的环境中，仔细控制加载对象的大小和数量是至关重要的。当对象从
最近发现在开发板上跑python的需求比较旺盛，但是在开发板上装python开发环境(需要装一堆依赖）并不是一件容易的事情，特别是网速不行的时候，再加上换源等各种操作，还是比较烦的，所以就干脆抽了一个下午弄了个python环境离线安装包，授人以鱼不如授人以渔，将制作离线安装包的方法分享给大家，该方法应该不止适用于开发板，其他地方也可以借鉴。 ubuntu下的安装包，无非就是apt安装的de
原创
2021-05-24 20:52:46
913阅读
一、应用开发章节指引本节是告诉大家如何基于开发板的开发框架，去编写、编译、运行属于你自己的机器学习应用。开发一个简单的机器学习应用，分三部，如下图所示：预处理–推理–后处理预处理部分：只针对图像预处理，这里提供一套工具，叫DVPP，对外呈现的是一个api。其实，开发板有两个芯片，一个是3559C，这块芯片是专门做多媒体处理的，而这个dvpp这套工具，可以充分利用这块芯片的实力，加速图片...
原创
2021-07-11 17:03:28
503阅读
一、模型转换工具的介绍与操作演示–模型转换OMG介绍Atlas200DK平台中提供了模型转换工具（OMG）。可以将caffe、Tensorflow等开源框架模型转换成Atlas200DK支持的模型，从而能够更方便快捷地把其他平台地模型放到Atlas200DK平台进行调试并拓展相关业务1）OMG的功能介绍2）OMG命令使用及命令参数解析3）Mind Studio模型转换实际操作4）OMG与整体结构
原创
2021-07-12 10:55:28
1434阅读
一 、PC虚拟机上安装Ubuntu
（系统版本为(ubuntu-16.04.3-desktop-amd64.iso),与版端系统版本必须对应（ubuntu-16.04.3-server-arm64.iso）） 1.在Pc机上安装完ubuntu系统
虚拟机的安装以及ubuntu的具体操作，就不描述了，网上很多。注意修改一下内存。 弹出系统更新时，请选(Don't Upg
原创
2021-07-12 10:57:18
930阅读
Atlas 200I DK A2是Atlas 200DK之后的一款产品，从2022年一直酝酿至今，终于在2023年5月6日-7日昇腾AI开发者峰会2023正式发布。
原创
2023-05-18 11:17:08
1227阅读
点赞
一、 卸载Mind Studio 卸载Mind Studio过程中，会自动卸载DDK，使用安装用户权限登录Mind Studio后台服务器，在linux系统的“~/tools/bin”目录下执行./uninstall.sh命令卸载Mind Studio。操作步骤如下： 1. 切换到root用户在“/usr/bin”目录下为Mind Studio安装用户加权。 su...
原创
2021-07-11 17:06:54
1075阅读
Mask R-CNN论文Mask R-CNN(ICCV 2017, Kaiming He,Georgia Gkioxari,Piotr Dollár,Ross Girshick, arXiv:1703.06870)
这篇论文提出了一个概念简单,灵活,通用的目标实例分割框架,能够同时检测目标并进行实例分割.在原Faster R-CNN基础上添加了object mask分支与原目标检测任务分支并列.速
转载
2024-04-25 12:08:34
103阅读
【摘要】 Atlas 200 DK安装python的hiai库以及opencv【昇腾】开发板上安装python的hiai库和opencv库Matrix是已经支持phthon接口了，但是发现目前python的hiai库并没有自动安装，需要自己安装；话不多说下面是安装步骤：步骤1. 开发板联网，如果已联网则跳过该步骤； 否则请参考以下链接配置开发板联网（https://bbs.hua
原创
2021-05-24 20:51:53
1113阅读
# 基于Atlas 200DK的智能小车传输架构
随着科技的发展，智能小车在物流和运输领域的应用越来越广泛。在这篇文章中，我们将探讨如何基于Atlas 200DK构建一套智能小车的传输架构。我们会结合具体的代码示例，让您更深入地理解这一系统的工作原理和设计理念。
## 1. 系统架构
智能小车的传输架构主要包括传感器、控制器和执行器三个部分。Atlas 200DK作为控制器，负责处理来自传感
二、运行环境的搭建（mksd方式）分设环境的运行环境就是运行在200DK的TF卡上的ubuntu 18.04 aarch版的操作系统，这个环境的搭建有两种方法：（1）mksd方式：根据 https://support.huaweicloud.com/environment-deployment-Atlas200DK1012/atlased_04_0010.html（2）dd镜像方式：根据
转载
2024-08-30 13:12:29
139阅读
作者丨happy导读本文提出通过显式方式：T-head（即插即用的模块）+TAL 改善单阶段检测器存在的任务不对齐问题，所提的TOOD在COCO数据集上取得了51.1AP指标，超越了包含ATSS、GFL、PAA、OTA等在内的单阶段检测。本文将单阶段检测器在COCO数据集上的性能刷新到了51.1AP。针对现有单阶段检测器分类与定位存在不对齐问题，本文提出了一种新颖T-Head对其进行平衡；同时还提
转载
2024-05-07 15:34:55
119阅读
通过使用mnist（AI界的helloworld）手写数字模型训练集，了解下AI工作的基本流程。本例子，要基于mnist数据集（该数据集包含了【0-9】的模型训练数据集和测试数据集）来完成一个手写数字识别的小demo。mnist数据集，图片大小是28*28的黑白。包含了6w 训练数据和1w验证数据。麻雀虽小五脏俱全。通过这个CV类型的demo需求，我们会学到神经网络模型。从数据加载，到数据预处理，
转载
2024-03-25 17:35:19
104阅读
Atlas 200 DK 开发者套件（1.0.9.alpha）–搭载开发环境 文章目录Atlas 200 DK 开发者套件（1.0.9.alpha）--搭载开发环境前言一、Atlas 200 DK是什么？二、搭载步骤1.获取安装包2.配置Ubuntu X86系统（以root安装，也可以参考文档其他用户安装3.安装开发套件包4.安装后处理5.部署MindStudio（可选） 前言本文主要介绍Atla
转载
2024-05-23 20:49:00
643阅读
Atlas 200 AI加速模块是一款高性能的AI智能计算模块。Atlas 200采用紧凑的结构设计，Atlas 200尺寸为38.5mm x 52.6mm。用户通过选择不同的连接器选型可实现2种不同配合高度，分别为4.3mm和6mm，可灵活的布局在用户产品中。Atlas 200集成了海思Ascend
转载
2024-06-09 10:07:22
627阅读
运行此Sample前，需要按照此章节获取源码包，并进行相关的环境配置。获取源码包。将https://gitee.com/Atlas200DK/sample-classification仓中的代码以Mind Studio安装用户下载至Mind Studio所在Ubuntu服务器的任意目录，例如代码存放路径为：$HOME/sample-classification。获取此应用中所需要的原始网络模...
原创
2021-07-11 17:03:33
1083阅读
【摘要】 为Atlas200DK配置wifi外挂模块【昇腾】当你手中有一块Huawei Atlas 200 DK时，那么恭喜你，你拥有了一个可以让你的AI应用落地的利器，但由于开发板并没有wifi模块，导致使用上不够灵活，经过我们多方尝试，终于找到一个廉价并且简单的为开发板配置wifi外挂模块的方法，分享给大家。 【所需硬件】ws331a （为了尽量轻便，找了一款华为mini无线路由器，
转载
2023-09-09 09:33:03
9阅读
CNN模型虽然在各类任务上大放异彩，但一直以来都被诟病缺乏可解释性。针对这个问题，过去几年研究人员除了从理论层面去寻找解释外，也提出了一些可视化的方法直观地理解CNN的内部机理。本文主要介绍两类方法，一种是基于Deconvolution, 另一种则是基于反向传播的方法。基于Deconvolution的方法基于Deconvolution的方法一篇来自Matthew D Zeiler, Rob Fer
转载
2024-09-06 00:02:06
51阅读
