理性行为理论理性行为理论（theory of reasoned action，TRA），是由美国学者Fishbei和Ajzen于1975年提出的。这个模型研究的是有意识行为意向的决定因素，实际上可用于解释任何一种人类行为，是研究人类行为最基础且最有影响的理论之一。该理论认为：个体的行为由行为意向引起，行为意向由个体对行为的态度和关于行为的主观规范两个因素共同决定。态度是个体对一个行为喜欢与否的评价
RKNN-Toolkit转换Tensorflow模型至Rockchip NPU推理并进行性能评估 文章目录RKNN-Toolkit转换Tensorflow模型至Rockchip NPU推理并进行性能评估一、基本知识二、环境部署2.1环境准备2.2安装RKNN-Toolkit（以Python3.6为例）2.3注意事项：三、Tensorflow模型转换、推理及评估3.1在PC上仿真运行3.2在RV11
转载
2024-03-15 15:56:25
930阅读
RNN记忆能力实验思路：1.将输入序列的每个数字转化为特征向量， 2.将标签转化为特征向量 3.自定义基于RNNcell的循环网络模型 4.根据输入序列的长度实例化网络模型 5.训练网络并在测试集上测试 6.可视化。除此之外还需要设计随机生成训练集和测试集。本着实事求是的原则，我们还是根据思路编程实现一下1.将输入序列的每个数字转化为特征向量，def set_data(X):
o_X=[]
KNN分类算法（先验数据中就有类别之分，未知的数据会被归类为之前类别中的某一类！）1、KNN介绍K最近邻（k-Nearest Neighbor，KNN）分类算法是最简单的机器学习算法。机器学习，算法本身不是最难的，最难的是：1、数学建模：把业务中的特性抽象成向量的过程；2、选取适合模型的数据样本。这两个事都不是简单的事。算法反而是比较简单的事。本质上，KNN算法就是用距离来衡量样本之间的相似度。&
转载
2024-09-06 23:25:56
105阅读
为了将训练的yolo v8部署到rk3588运行。按照官方文档与流程进行了转换尝试。 由于之前做过torch模型转onnx再转rknn，因此继续使用这个套路推进。翻阅了一些前人的智慧 直接使用模型精度惨不忍睹，还是要在理解的基础上演化运用，这里记录一些踩到的关键坑。1、 选择网络输出的node使用yolo官网写的导出onnx格式代码导出onnx模型torch_model = YOLO("best
多线程线程与进程线程创建继承Thread类实现Runnable接口实现Callable接口线程状态线程中断守护线程线程同步Synchronized死锁线程池ThreadLocal高并发ReentrantLockReadWriteLockStampedLockAtomic常用API 线程与进程一个进程可以包含一个或多个线程，但至少会有一个线程。操作系统调度的最小任务单位其实不是进程，而是线程。创建
1.服务器环境配置1.1GPU驱动安装下载GPU驱动https://www.nvidia.cn/geforce/drivers/选择对应的显卡型号以及操作系统，点击搜索选择最新的下载安装即可（所有选项默认设置最好）终端输入命令查看是否安装正确nvidia-smi出现以下信息表明安装正确，其中红框为可以支持的cuda最高版本1.2安装CUDA下载CUDA Toolkithttps://develop
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。支持大部分常用的 CNN 网络: Classical CNN: VGG AlexNet GoogleNet Inception …
Practical CNN: ResNet DenseNet SENet FPN …
转载
2024-04-15 14:59:03
174阅读
网络结构Yolov5发布的预训练模型，包含yolov5l.pt、yolov5l6.pt、yolov5m.pt、yolov5m6.pt、yolov5s.pt、yolov5s6.pt、yolov5x.pt、yolov5x6.pt等。针对不同大小的网络整体架构（n, s, m, l, x）都是一样的，只不过会在每个子模块中采用不同的深度和宽度，分别应对yaml文件中的depth_multip
一 Value-BasedQ-LearningQ-Learning是RL算法中Value-Based的算法，Q即为Q(s,a)就是在某一时刻的s状态下(s∈S)，采取 动作a (a∈A)能够获得收益的期望，环境会根据agent的动作反馈相应的回报reward。所以算法的主要思想就是将State与Action构建成一张Q-table来存储Q值，然后根据Q值来选取能够获得最大的收益的动作。 下面是Q-
转载
2024-09-12 08:39:36
501阅读
前言大家好！爱写靶机渗透文章的我又来了，该靶机被设计者定义为初级-中级，最后小弟完成整个渗透的时候也的确是比较简单的；但是中间设计者设计了一个坑，小弟在那里被困了好几天，都塌喵的开始怀疑人生了。下面会介绍，本靶机设计者一共设置了4个flag，本次入侵也已拿到4个flag和root权限为止。 靶机安装/下载Raven：1靶机下载：https://pan.baidu.com/s/
在实际应用中，使用PyTorch将模型部署到RKNN（Rockchip NPU）上时，很多开发者经常会遇到推理效果差的问题。这个问题会直接影响到业务的最终效果，尤其是在进行图像处理、语音识别等场景中，推理准确性至关重要。本文将围绕“PyTorch RKNN推理效果很差”的问题，提供一套系统解决方案。
在解决问题的过程中，问题逐步演进，我们观察到几个关键节点：
1. 初始模型在PyTorch环境
安卓旅途之——开发数独（一） 数独游戏简介数独游戏，是一种数学智力拼图游戏，是“独立的数字游戏”的简称，源自18世纪末的瑞士，后在美国发展，在日本得以发扬光大。数独游戏可以训练玩家的逻辑推理能力，不少教育者皆认为数独是锻炼脑筋的好方法。其规则如下：1.游戏会从一个部分带有数字的九宫格开始。 在9×9的大九宫格（即3格宽×3格高）方阵里，每一格又细分为一个小九宫格。2.游戏开始，已给定若干
转载
2024-06-01 16:58:09
16阅读
1、分解问题从一个最高层的问题开始，逐层向下进行分解。首先列出你亟待解决的问题，然后将问题拆分成子问题，并保证它们之间互不重叠和干扰。同时保证你把能够想到的子问题全部列了出来。实际运用中你只用不停问自己两个问题：1.我是不是把所有的可能因素都考虑到了，有没有遗漏的？如果有，再去找。2.这些因素之间有没有互相重叠的部分？如果有，进行去重。关键点： 刚开始练习的时候一定要写出来，最好是在一大张纸上，这
目录数据准备划分数据集xml2yolo生成train/valid.txtYOLOv4配置cfg文件修改data文件修改names文件修改模型训练数据准备 之前我已经用该数据集训练过YOLOv3，感觉效果不是非常好，这次直接把之前训练YOLOv3的数据集放在YOLOv4_path/data/目录下即可。不过，，这样看的可能会一脸懵逼，还是介绍下数据集的准备过程吧。。划分数据集首先clone git
我的上一篇文章 国税发票查验平台验证码自动识别,实现秒级发票查验接口 发布后，不断有人咨询如何提高验证码的识别率，这个验证码的识别和训练的方法其实可以对大部分的验证码都有效，我单独写一下我使用的这个专门识别验证码的模型是怎么搭建和训练自己的专有模型的。一、ddddocr环境搭建我生产环境是ubuntu 22.04，测试环境是windows server 2022，这两个环境都是
【代码】rknn如何用多个npu进行模型推理。
原创
2023-06-18 00:17:50
525阅读
前言：整体上翻译了squeezenet：AlexNet-level accuracy with 50X fewer paramenters and 0.5MB model size.这篇论文，便于英文基础不好的同行进行阅读，由于时间仓促，难免有很多错误，请在评论区指出错误并提出宝贵意见，我会及时修正。论文地址：aqueezenet论文SQUEEZENET: ALEXNET-级别精度50X 较少的参
YOLOv4在速度和准确率上都十分优异，作者使用了大量的trick，论文也写得很扎实，在工程还是学术上都有十分重要的意义，既可以学习如何调参，也可以了解目标检测的trick。论文: YOLOv4: Optimal Speed and Accuracy of Object Detection论文地址：https://arxiv.org/abs/2004.10934论文代码：https://githu
目录一、源码包准备二、测试CMake工程构建2.1 拷贝交叉编译器2.2 CMake构建的配置文件2.3 运行构建脚本2.4 CMake构建结果三、添加第三方库3.1 添加rknn_api库3.2 添加opencv库四、推理主文件4.1 修改项目名4.2 推理主文件代码4.3 C API解析4.3.1 rknn_init4.3.2 rknn_query4.3.3 rknn_inputs_set4
