文章目录5.使用枚举类5.1第一种实现方式5.2第二种实现方式6.使用元类6.1type()6.2参数一：class的名称6.3参数二：元类metaclass6.4元类metaclass的应用：orm实现 5.使用枚举类当我们需要定义常量时，一个办法是用大写变量通过整数来定义，例如月份：JAN = 1
FEB = 2
MAR = 3
...
NOV = 11
DEC = 12好处是简单，缺点是类
小提示：转义字符：\n与ln的作用一样：换行
\t与Tab键作用一样：留出一个制表符的间隔或对齐
\\：斜杠的写法，第一个\为转义，第二个才能打印出\
eclipse快捷键：alt+/：代码补全键
Ctrl+shift+f：代码排版
转载
2024-08-27 22:37:19
409阅读
模型部署流程大致流程为：数据—模型—部署案例：花卉识别APP采集所有花的类型图片，搜集各种不同样式的花的图片模型训练：Pytorch/Tensor Flow，通过模型训练让准确率达到一定程度部署：把训练好的模型放在特定的硬件平台下（GPU等），推理SDK,该模型可以调用模型部署：ONNX一个ONNX例子：import torch
from torch import nn
class LeNet
转载
2024-09-08 16:12:37
530阅读
在前述文章中，我们介绍到了JAVA语言的逻辑结构，分为顺序结构、分支结构、循环结构。顾名思义，顺序结构从上往下依次执行，按步骤一步一步执行即可，相对简单。所以我们没有过多的去讲解顺序结构。重点介绍的分支结构和循环结构。并且在上一篇文章中通过收银台收款系统对if以及if-else语句的使用做了练习。那么今天的文章，我们就结合前述文章对循环结构的介绍，通过编写“猜数字游戏”这一案例，加深一下循环结构知
n皇后问题是一个以国际象棋为背景的问题：在n×n的国际象棋棋盘上放置n个皇后，使得任何一个皇后都无法直接吃掉其他的皇后，即任意两个皇后都不能处于同一条横行、纵行或斜线上。蛮力法思想：解决n皇后问题的思想本质上就是蛮力法，生成所有可能的摆放情况，并判断该情况是否满足要求，我们以树结构来表示解决问题的方法。以4*4的棋盘为例，第0层的根节点为空白的棋盘，第1层为只在棋盘的第一行摆放的四种不同情况，第2
我们知道如果只是为了让某个共享资源一次只让一个线程使用,则通过Critical Section与Mutex则可使资源使用达到互斥的目的.其中Critical Section是用户对象,Mutex是内核对象.除了此区别外,两者基本上差不多.但是使用上面两种互斥方式时,虽然能保证一次只一个线程访问某个共享的资源,但是各个线程的执行顺序是没有保证的.另外除了用TerminateThread这种比较野蛮不
转载
2024-10-11 12:26:28
267阅读
【onnxruntime】【GPU】windows10下onnxruntime-win-x64-gpu-1.15.0 C++版本源码编译教程提示:博主取舍了很多大佬的博文并亲测有效,分享笔记邀大家共同学习讨论 文章目录【onnxruntime】【GPU】windows10下onnxruntime-win-x64-gpu-1.15.0 C++版本源码编译教程前言准备工具cuda/cudnncmake
也是来源于《深度学习入门——基于Python的理论与实现》附加代码，书中只是给了BN的对比结果，展示了BN的效果，没有再赘述实现（可能因为有点复杂），所以这里研究一下BN的代码。之前我曾经使用过TensorFlow的BN，它提供了两三种接口，透明程度和使用方法不相同，有的是透明到你可以自定义参数并传给BN层，然后训练参数，也有只定义一个层，全自动使用的，但是都没有自己纯手写一个python实现更透
一、环境配置 全是windows 下的版本 cuda：11.1 11.4 11.7 三个版本都试过，都是ok的 cudnn：8.5.0 onnxruntime：1.12.1 relase版本onnxruntime-gpu下载完后可以看到里面的头文件和静态库动态库，onnxruntime不需要安装，下载完之后需要把头文 件和库文件配置到工程中，下面有具体方法 PS D:\tools\onnxrunt
【代码】onnxruntime采用cuda推理。
原创
2023-05-18 17:16:30
309阅读
1. c++使用onnxruntime进行推理linkcode in git#include <opencv2/core.hpp>#include <opencv2/imgcodecs.hpp>#include <o
原创
2023-01-20 09:36:57
5435阅读
点赞
0:022> !runaway
User Mode Time
Thread Time
22:8cc 0 days 0:17:15.238
23:4d8 0 days 0:15:20.936
15:898 0 days 0:09:15.316
24:c64 0 days 0:05:07.587这是前4个线程，一共
目录前言准备工作构造 InferenceSession 对象 & 初始化让模型 Run总结准备工作OrtHandlerBase 是用来操控 ONNXRuntime 的基类，各种网络模型都可以通过继承该类进而拥有 ONNXRuntime 的使用权限，比如 NanoDet；同时，NanoDet还可以扩展独属于自己的方法和成员变量，以方便推理前后的预处理和后处理工作。构造NanoDet对象时，会
Onnx推理框架：参考：Inference PyTorch Bert Model with ONNX Runtime on GPUpytorch官网说明Supported Operator Onnx支持的算子https://pytorch.org/docs/stable/onnx.html?highlight=onnx%20runtimeSupported Model Onnx支持的模型：Alex
转载
2024-09-03 13:48:49
186阅读
OpenCV For Python系列教程（第一部分）2022-02-27更新：OpenCV For Python入门46 Numpy实现傅里叶变换OpenCV For Python入门47 OpenCV实现傅里叶变换OpenCV For Python入门48 模板匹配基础2022-03-01更新：OpenCV For Python入门49 多模板匹配OpenCV For Python入门50 霍
关于onnxruntime的一些基本参考链接：onnxruntime官方文档将pytorch模型转换为onnx模型并用onnxruntime进行推理(Pytorch官方文档)一、onnxruntime安装(1)使用CPU如果只用CPU进行推理，通过下面这个命令安装。【如果要用GPU推理，不要运行下面这个命令】pip install onnxruntime(2)使用GPU安装命令为：pip inst
转载
2024-08-06 13:05:34
3506阅读
ML.NET 在经典机器学习范畴内，对分类、回归、异常检测等问题开发模型已经有非常棒的表现了，我之前的文章都有过介绍。当然我们希望在更高层次的领域加以使用，例如计算机视觉、自然语言处理和信号处理等等领域。图像识别是计算机视觉的一类分支，AI研发者们较为熟悉的是使用TensorFlow、Pytorch、Keras、MXNET等框架来训练深度神经网络模型，其中会涉及到CNN（卷积神经网络）、DNN（深
使用 onnxruntime-gpu 进行推理，解决运行时间久了显存被拉爆了。运行时，配置 provder ,如运行时，使用 cuda 进行推理。
原创
2024-03-22 22:10:09
2032阅读
自己在外面偷偷的算了下，又有将近两个月没更新过blog了。趁着今天有兴致，来更新JNI编程的第二篇文章。在第一篇里，大概介绍了JNI的特点、用途和优劣。并且做一个最简单的JNI的例子，不过说实话那个例子在实际的开发中没有太大的价值，实际开发中所需要的JNI程序要远远比那个复杂。所以这一篇就来介绍下如何通过JNI实现java和C++的相互通信，来满足实际开发的需要。 所谓”通信“，其
使用Rust进行模型推理
原创
2024-05-27 09:48:25
947阅读
