1. 前言
既然提到卷积神经网络了，我们就来说说它的特殊之处，首先这里的卷积神经网络一般假定输入就是图片数据，也正是因为输入是图片数据，我们可以利用它的像素结构特性，去做一些假设来简化神经网络的训练复杂度(减少训练参数个数)。2.卷积神经网总体结构一览输入层和输出层中间夹着数层隐藏层，每一层都由多个神经元组成，层和层之间是全连接的结构，同一层的神经元之间没有连接。 卷积神经网络是上
转载
2024-10-16 17:24:04
69阅读
Linux培训教程 linux中nl命令使用介绍nl命令在linux系统中用来计算文件中行号。nl 可以将输出的文件内容自动的加上行号!其默认的结果与 cat -n 有点不太一样， nl 可以将行号做比较多的显示设计，包括位数与是否自动补齐 0 等等的功能。兄弟连linux培训小编介绍一下：linux中nl命令使用介绍
转载
2024-07-16 13:52:36
31阅读
=== 数组的维数与矩阵的维数需要区分开===1. 概述在机器学习过程中，我们会经常遇到向量、数组和矩阵这三种数据结构，下面就这三种数据结构做一次详细的分析。 同时我们时常困惑于维度，n维向量，n维数组，矩阵的维度，本文着重就这一方面进行分析。2. 向量、数组和矩阵2.1 向量在解析几何中，我们把“既有大小又有方向的量”叫做向量，并把可随意平行移动的有向线段作为向量的几何形象。在引进坐标系以后，这
转载
2024-02-14 21:33:56
30阅读
字符数据类型char数据类型 当需要固定长度时,使用char数据类型,此数据类型长度可以使1-2000字节.若是不指定大小默认占1字节,如果长度有空余时会以空格进行填充,如果大于设定长度数据库则会返回错误报告nchar数据类型 nchar,即国家字符集,使用方法和char相同.如果开发的项目需要国际化那么就选择nchar数据类型,nchar()和char()的区别在于nchar用来存储Unic
NCNN环境的搭建请参考：腾讯神经网络推
原创
2022-12-05 10:02:43
80阅读
文章目录常用检测数据集一 CIFAR系列二 COCO三 VOC系列四 CIFAR10五、TT100K六 将图像数据集划分为训练集，验证集，测试集常用行为检测数据集UCF101 常用检测数据集一 CIFAR系列CIFAR10有6w张32*32的图片，一共有10个类别，每个类别6000张，5w张训练，1w张测试。数据集实际被分为6batches，5份训练，1份测试，每份均为1w张。测试集的1w张，是
转载
2024-10-08 12:16:03
62阅读
主要任务：将mobileNet模型转换为ncnn模型
参考博客：
实现方法：
１、前提条件：下载并成功编译ncnn
（主要参考github文档：https://github.com/Tencent/ncnn/wiki/how-to-build）
install g++ cmake protobuf
转载
2024-08-22 11:43:47
143阅读
1、下载和编译ncnngit clone https://github.com/Tencent/ncnn
cd ncnn
mkdir build && cd build
cmake .. #编译目录下的CMakeLists.txt
打开根目录下的CMakeLists.txt文件，定位到最后六行，修改如下： add_subdirectory(examples)
# add_
转载
2023-07-10 22:12:35
272阅读
代码链接：本代码可以在模拟器下进行跑。环境：windows10Android studio 3.6Sdk：android10 api 29Ndk：r15cNcnn：20200226Linux下的代码测试：cd mtcnn_linux/build
cmake ..
make
./mtcnn如果可以跑通，输出正确结果，证明mtcnn代码的准确性。实际操作的时候，首先基于linux把c++代码调试通，方
转载
2024-02-24 14:12:03
117阅读
github https://github.com/Tencent/ncnnncnn 是一个为手机端极致优化的高性能神经网络前
原创
2022-08-06 00:04:32
1128阅读
0.调用实例先看一个调用实例，顺着调用流程探寻ncnn内部具体实现细节。#include "net.h"
int main(int argc, char **argv)
{
ncnn::Mat in;
ncnn::Mat out;
ncnn::Net net;
net.load_param("model.param");
net.load_mo
转载
2024-03-19 20:28:41
179阅读
下面从几个方面介绍下自己的采坑之路：NCNN自带模型的benchmarkNCNN交叉编译到rk3288(armv7架构)和rk3399(armv8架构）的方法NCNN转换其他模型并加入benchmark中NCNN自带模型的benchmark1. 下载NCNNNCNN这类开源引擎都可以从github上下载下来，下载下来的整个文件夹就像一个完整的软件或者生态系统一样，之后的所有操作都会在这个文件夹里完
转载
2024-05-10 00:34:38
229阅读
综述最近在研究ocr模型（包括文本检测和文本识别）在安卓端的部署，由于工作中用到的算法是基于百度研发的PPOCR算法，最终需要在安卓端落地应用，部署框架使用的是ncnn框架，中间涉及模型转换和部署的问题，所以特意在此做一个记录，本文主要讲一下模型部署的问题，关于模型转换的讲解详见我的另一篇文章：安卓端部署PPOCR的ncnn模型——模型转换说到模型部署，顾名思义，就是通过部署框架编写相关代码使模型
转载
2024-03-13 10:38:05
138阅读
编译版本，默认配置，android-ndk-r21d，cctools-port 895 + ld64-274.2 + ios 10.2 sdk libc++ncnn-android-lib 是 android 的静态库(armeabi-v7a + arm64-v8a + x86 + x86_64)ncnn-android-vulkan-lib 是 android 的静态库(armeabi-v7a
转载
2024-06-17 20:55:49
110阅读
列表界面 取值工具类package nc.ui.pubapp.util;
import nc.ui.pub.bill.BillItem;
import nc.ui.pub.bill.BillListPanel;
import nc.ui.pub.bill.BillModel;
import nc.ui.pub.bill.IBillItem;
import nc.vo.pub.lang.UFBoo
转载
2024-10-22 14:24:27
38阅读
源码结构benchmark：一些常见模型的模型文件，如mobilenet，resnet，vgg等。 cmake：有关链接openmp和valkan的cmake文件，这两个都是并行计算加速用的 docs：文档，包括开发指南，构建指南等等 examples：使用ncnn的示例，包括几个常用模型的cpp调用示例，及其cmakelist文件 images：此目录无关紧要，是页面上的图片 src：ncnn源
转载
2024-04-05 10:21:17
360阅读
目录一、下载yolov5源码和模型二、导出onnx模型三、配置ncnn并生成param和binncnn环境搭建:记住生成的param和bin的名字编辑param文件设置动态尺寸推理记住permute三个值然后用ncnn的ncnnoptimize工具优化一下param和bin：四、调整yolov5.cpp源码并重新编译ncnn得到最新的yolov5执行程序第一个改动(上边说到的第一个对应起来)：&n
转载
2024-07-01 16:36:45
393阅读
ncnn git：https://github.com/Tencent/ncnnncnn 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 目前已在腾讯多
转载
2024-06-05 07:16:22
215阅读
0.调用实例先看一个调用实例，顺着调用流程探寻ncnn内部具体实现细节。#include "net.h"
int main(int argc, char **argv)
{
ncnn::Mat in;
ncnn::Mat out;
ncnn::Net net;
net.load_param("model.param");
net.load_mo
转载
2024-07-02 07:27:54
159阅读
文章目录0. 前言1. ONNX1.1. 基本情况1.2. 部署工具概述1.3. ONNX文档阅读1.4. 其他小工具2. ONNX Runtime2.1. 基本情况2.2. 各种后端2.3. Python API 的基本使用 0. 前言最近要做一些模型推理优化的工作，所以要稍微多学习一点。ONNX其实一直都知道，统一的模型格式，使得模型在各个框架、平台间迁移更方便。
1.1. 基本情况ONN
