使用2.0中的v1兼容包来沿用1.x代码TensorFlow 2.0中提供了tensorflow.compat.v1代码包来兼容原有1.x的代码，可以做到几乎不加修改的运行。社区的contrib库因为涉及大量直接的TensorFlow引用代码或者自己写的Python扩展包，所以无法使用这种模式。TensorFlow 2.0中也已经移除了contrib库，这让人很有点小遗憾的。 使用这种方式升级原有
转载
2024-10-21 23:08:59
145阅读
深度学习是Google，亚马逊，微软和Facebook以及众多小型公司业务的重要组成部分。 它负责自动语言翻译，图像分类和对话界面等领域的许多最新进展。 我们还没有到达一个单一的主导深度学习框架的地步。 TensorFlow （Google）很好，但是一直很难学习和使用。 而且TensorFlow的数据流图很难调试，这就是为什么TensorFlow项目一直致力于急切执行和TensorFlow调
转载
2024-10-28 22:18:52
115阅读
从NPU-SLAM-EDA技术分析参考文献链接://mp.weixin../s/XFtGmGJE9tWCbsPgaCyXJQhttps://mp.weixin../s/eUGDEqnP5d1bnlerfabyVghttps://mp.weixin../s/ExsUyaTLW2UDUhVmcyaQawhttps://mp.weixin../s/Kmp
简述：一般把断言方法集合封装为一个类，独立作为一个模块使用，输入response和期望数据，然后返回断言结果一、断言返回数据
这里我将不同断言结果的返回数据分别做为一字典类型的实例属性1、断言通过数据（pass_result）self.pass_result = {
'code': 0,
'response_code': self.response_
目录目录目录前情提要首先澄清一下1.使pycharm与远端服务器建立连接2.在远端服务器上配置tensorflow环境2.1.安装python版本控制软件Anaconda问题（-sh: 2: conda: not found/-sh: 3: source: not found）2.2.安装显卡驱动程序CUDA2.3.设置pycharm的远端解释器以及上传自己的文件到远端服务器问题1：ImportE
有了NPU，还要DSP吗？ 其实都是针对某种算法进行加速的处理器，不过NPU针对的是那些神经元算法，DSP针对的是信号处理算法，二者各有侧重 NPU采用普林斯顿结构。 DSP采用哈弗结构。 各自有自己的指令系统。 DSP是专注数字信号处理的，即使DSP处理器其实也是分了很多针对不同类型的信号的不同型
转载
2021-07-07 06:34:00
478阅读
2评论
环境搭建#下载安装包
wget https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-aarch64.sh
chmod +x Anaconda3-2024.10-1-Linux-aarch64.sh #安装
bash Anaconda3-2024.10-1-Linux-aarch64.sh #设置环境变量
vim ~/.bashrc
自从物联网(IoT)出现以来，边缘智能颇具颠覆性的创新，以及边缘计算应用都逐渐变得非常普遍，例如人脸识别，语音识别，物体识别，或者汽车上用的车辆识别系统都有它的身影。当然，这对算力的要求逐渐提高，NPU的性能也更受到注重，也作为了CPU与GPU外的下一个性能指标。 本文介绍的是米尔于2021年底发布的新品——MYC-JX8MPQ核心板，作为AI领域的里程碑CPU模组，它基于N
NPU（神经处理器单元）是一种专门用于加速深度学习应用的硬件。它可以在训练和推理过程中提供高效的计算能力，从而大大提高深度学习应用的性能。本文将介绍如何使用NPU编程。了解NPU架构NPU是什么NPU是神经网络处理器Neural Processing Unit的缩写，是一种专门用于加速人工智能应用的芯片。它可以在较短的时间内完成大量的计算任务，从而提高了人工智能应用的效率和速度NPU有什么用NPU
转载
2023-10-10 21:51:50
482阅读
在芯片相关的产品和设计中，我们经常能听到各种类型的处理器，比如APU、BPU、CPU、GPU、NPU、TPU等，这让刚入门的工程师眼花缭乱。本期干货分享，我们邀请到爱芯AI技术专家刘哥，针对NPU的技术原理进行讲解。几种常见的“U”关于各种“U”，举一些常见例子：CPU：X86的处理器，买电脑时听到的i5、i7。手机SoC里面的几核ARM处理器等；GPU：游戏显卡，手机内嵌GPU等；TPU：用来做
转载
2023-11-14 14:55:00
1296阅读
传统的前端代码手工部署流程如下：传统的手工部署需要经历：1.打包，本地运行npm run build打包生成dist文件夹。2.ssh连接服务器，切换路径到web对应目录下。3.上传代码到web目录，一般通过xshell或者xftp完成。传统的手工部署存在以下缺点：1.每次都需要打开xshell软件与服务器建立连接。
2.当负责多个项目且每个项目都具有测试环境和线上环境时，容易引起部署错误。
转载
2024-02-02 05:51:33
183阅读
Anaconda是一个集成python及包管理的软件，记得最早使用时在2014年，那时候网上还没有什么资料，需要同时使用py2和py3的时候，当时的做法是同时安装Anaconda2和Anaconda3，修改里面的文件，例如将conda命令的exe文件，重命名为conda3，这个做法能用但是有很多问题；这几天需要使用以下spyder(anaconda 中集成的IDE)发现控制台一直显示connect
转载
2024-08-04 13:49:06
46阅读
文章目录TensorFlow Python API 升级实用程序Report注意事项测试 没有在 API 文档查看到过关于 tensorflow 版本直接切换的内容，在 tensorflow git 上倒是有介绍 版本升级的工具。自己试了一下发现能解决比较多的问题，但是仍然有一些需要手动修改，比如被移出 tf 的模块。 TensorFlow Python API 升级实用程序允许升级现有的 T
转载
2024-03-15 09:52:47
31阅读
笔者采用python3.6.7+TensorFlow1.12.0+CUDA10.0+CUDNN7.3.1构建环境PC端配置为GTX 1050+Intel i7 7700HQ 4核心8线程@2.8GHZTensorFlow-gpu的安装经历实在是坎坷的很首先显卡一定要支持没想到的是GTX 1050TI，GTX 1070TI等主流显卡竟然都不支持（还好我买的是GTX 1050）（并没有暗示需要一块TE
转载
2024-05-21 16:53:55
396阅读
Tensorflow-GPUTensorFlow 包版本：tensorflow-gpu 1.13.1 文章目录Tensorflow-GPU环境条件现有硬件现有软件硬件要求软件要求步骤0.Visual studio1.下载安装显卡驱动2.下载对应版本 CUDA3.安装配置 cuDNN4.安装 TensorFlow GPU 支持版本 环境条件现有硬件电脑：华硕笔记本，FX50J显卡：NVIDIA Ge
转载
2024-05-07 13:09:09
98阅读
为什么安装TensorFlow需要重装CUDA？nvidia-smi和nvcc -V显示的不是同一版本CUDA？用conda装CUDA不可以吗？
之前尝试复现学姐前几年的一个工作，但是因为框架有点古老而作罢。
然鹅，自己的实验结果一直跑得十分奇怪，为了去学姐的代码中寻找参考，今天再次进行了尝试。我的需求是安装Tensorflow_gpu_1.6.0（文中简称
转载
2024-04-29 17:15:25
115阅读
概述深度学习模型中费时的算子是往往是卷积操作，而卷积的本质是矩阵的乘加计算，所以通过硬件加速矩阵的乘加运算就能达到加速深度学习训练与推理的目标；本文旨在形象化的解释Google TPU与Nvidia TensorCore对矩阵乘加的加速过程 Nvidia TensorCore NV TensorCore 加速矩阵乘加运算示意图
Nvidia官方给出的TensorCore
转载
2024-03-23 10:09:23
655阅读
# 使用 NPU 架构的实现流程
## 介绍
在本文中，我将教给你如何使用 NPU 架构来实现你的项目。NPU（神经处理单元）是一种专门设计用于加速人工智能（AI）任务的硬件架构。使用 NPU 可以大大提高人工智能应用的性能和效率。下面是一个包含实现流程的表格和每个步骤所需的代码。
## 实现流程
| 步骤 | 描述 |
| ---- | ---- |
| 步骤1 | 安装 NPU 相关的软件
原创
2023-12-18 09:37:39
299阅读
1、RMSprop 算法是一种自适应学习率的优化算法，其核心思想是通过统计相似梯度的平均值的方式来自动地调整学习率。一般来讲，我们会在梯度算法中引入一个衰减系数，使每一次衰减都有一定的比例。在TensorFlow 中，一般使用tf.train.RMSPropOptimizer()方法来创建一个优化器。2、Momentum 算法也是神经网络的常用优化算法之一，并且也属于梯度下降的变形算法。Momen
转载
2024-04-02 20:21:56
41阅读
tensorflow一、梯度下降法（steepest descent (gradient descent) 梯度下降法是一个最优化算法，通常也称为最速下降法。最速下降法是求解无约束优化问题最简单和最古老的方法之一，虽然现在已经不具有实用性，但是许多有效算法都是以它为基础进行改进和修正而得到的。最速下降法是用负梯度方向为搜索方向的，最速下降法越接近目标值，步长越小，前进越慢。可以用于求解非线性方程组
转载
2024-03-20 22:05:29
11阅读
