TensorRT Inference引擎简介及加速原理简介简介TensorRT加速原理TensorRT直接支持的层TensorRT--8-bit Inference结果 简介最近在做CNN卷积神经网络量化方面的工作，查阅资料发现TensorRT有新颖的思想，记录学习的知识，如有问题请指教！TensorRT是NVIDIA 推出的一款基于CUDA和cudnn的神经网络推断加速引擎(C++库)。相比于
转载
2024-03-21 14:53:24
109阅读
[pytorch] 训练加速技巧 代码示例技巧一：num_workers 和 pin_memory技巧二：torch.backends.cudnn.benchmark = True技巧三：增加batch_size技巧四：梯度累加(Gradient Accumulation)技巧五：卷积层后面跟batch normalization层时不要偏置b技巧六：使用parameter.grad = Non
转载
2023-10-16 21:08:39
179阅读
# 用PyTorch加速YOLO模型
YOLO（You Only Look Once）是一种广泛使用的目标检测算法，以其高效性和准确性而受到人们的青睐。YOLO的基本原理是将图像分成多个网格，并在每个网格上预测边界框和类别概率。尽管YOLO表现优秀，但在实际应用中我们经常需要加速模型的推理过程。本文将介绍如何使用PyTorch加速YOLO模型，并为读者提供一些代码示例和实现思路。
## YOL
目录一、简介1.题目：2.时间：3.来源：4.简介：5.论文主要贡献：二、相关名词三、 相关背景知识1.YOLO网络2.Winograd快速卷积计算（针对3x3卷积层）3.GEMM快速卷积计算（针对1x1卷积层）4.卷积层、归一化层的合并计算四、处理流程概述1.动态量化2.针对3x3卷积层的加速计算引擎PE13.针对1x1卷积层的加速计算引擎PE2（融合了重排序计算模块）4.双缓存系统和多DMA通
转载
2024-08-27 15:02:46
146阅读
# 使用Python实现YOLO物体检测
在计算机视觉领域，物体检测是一个重要的任务。YOLO（You Only Look Once）是一种流行的物体检测算法，它具有高效性和实时性，能够在一帧图像中同时识别多个物体。本文将介绍如何在Python中使用YOLO进行物体检测。
## YOLO的基本概念
YOLO算法与传统算法（如R-CNN等）不同，它将物体检测视为一个回归问题。不再利用候选区域来
OpenCV 早在 3.x版本就涵盖 dnn 模块，使用 OpenCV 能更简别的直接运行已训练的深度学习模型，本次采用在目标检测中最强劲的 Yolo v3进行文件准备yolov3.cfg ，coco.names 与 yolov3.weights，yolov3.weights 可从 Yolo 官网进行下载：下载地址 yolov3.cfg 与 coco.names 在 GitHub 上直接搜寻即可，
转载
2023-11-01 20:28:12
218阅读
# Python 使用 YOLO 进行目标检测
YOLO (You Only Look Once) 是一种实时目标检测系统，能够在图像中快速准确地识别多个对象。近年来，YOLO 由于其高效性和准确性而受到广泛关注。在本篇文章中，我们将介绍如何使用 Python 和 YOLO 进行目标检测，并且提供相应的代码示例。
## YOLO 的工作原理
YOLO 的核心思想是将目标检测问题转化为回归问题
# 使用 YOLO 进行实时物体检测的实践指南
在计算机视觉领域，物体检测是一项重要且广泛的应用。YOLO（You Only Look Once）是一个高效且准确的物体检测算法。本文将介绍如何在 Python 中使用 YOLO 进行实时物体检测，帮助你解决在视频流中识别目标物体的实际问题。
## YOLO 简介
YOLO 是一种基于神经网络的对象检测方法，能够同时进行定位和分类。与传统的检测
# 1 前言? 这两年开始毕业设计和毕业答辩的要求和难度不断提升，传统的毕设题目缺少创新和亮点，往往达不到毕业答辩的要求，这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。为了大家能够顺利以及最少的精力通过毕设，学长分享优质毕业设计项目，今天要分享的是? 基于深度学习YOLO抽烟行为检测?学长这里给一个题目综合评分(每项满分5分)难度系数：3分工作量：3分创新点：4分1 课题背景公共场
转载
2023-11-30 17:29:28
30阅读
Python学习工具第八期 - GPU加速工具CUDA 的使用 和 Pytorch-GPU 安装的三种方式上一期我们介绍了CUDA下载安装以及其总结，这一期教大家如何在Anaconda中使用CUDA来进行加速、神经网络依赖cuDNN的下载安装，以及下载和安装Pytorch-GPU安装包的三种方式（conda、pip、轮子）。Anaconda中使用在CUDA安装完之后，如果想要学习深度学习中的神经网
转载
2023-10-21 08:10:59
189阅读
二、环境搭建 anaconda 2021版本就行下载 pycharm 直接安装社区版就行 opencv-4.7.0 torch-1.13.0 torchaudio-0.13.0 &
转载
2019-12-30 18:16:00
318阅读
2评论
# Python使用GPU加速的入门指南
在现代数据科学和机器学习的世界里，GPU（图形处理单元）被广泛用于加速计算。相比传统的CPU，GPU能同时处理多个数据，同时也具有更强的并行计算能力。本文将指导你如何在Python中使用GPU加速，帮助你提高程序的运行效率。
## 整体流程
以下是使用GPU加速的步骤汇总：
| 步骤 | 描述
# 使用GPU加速Python程序的指南
在现代计算中，GPU（图形处理单元）被广泛用于加速计算密集型任务，如深度学习、图像处理等。本文将引导你了解如何在Python中使用GPU加速，适合刚入行的小白。整个流程如表格所示：
| 步骤 | 描述 | 代码示例 |
|------|------|----------|
| 1. 安装CUDA | 安装NVIDIA的CUDA工具包，它使GPU可以被编
# 使用CUDA加速Python计算的流程介绍
在现代计算中，CUDA（Compute Unified Device Architecture）是NVIDIA推出的一种并行计算平台，可以通过显卡实现高效的计算加速。接下来，我将教你如何在Python中使用CUDA加速你的程序。整个过程可以概括为以下几个步骤：
| 步骤 | 描述 |
|------|------|
| 1. 安装CUDA Too
一、安装昇腾驱动先安装昇腾驱动，昇腾驱动请参考各个产品安装手册，安装完成后npu-smi info 显示安装成功[root@localhost ~]#
[root@localhost ~]# npu-smi info
+------------------------------------------------------------------------------------------
# 在Python中使用YOLO进行目标检测
YOLO（You Only Look Once）是一种实时目标检测系统，能够同时检测图像中的多个对象并快速定位它们的边界框。相较于传统的目标检测方法，YOLO的速度更快，精度更高，因此在许多实际应用中得到了广泛的使用。
在这篇文章中，我们将学习如何在Python中使用YOLO进行目标检测，并提供相关的代码示例。
## YOLO的基本原理
YOL
前言作为使用yolov5后一次简单的尝试准备工作通过yolov5训练出自己所需要的模型查看模型训练教程
将模型通过tensorflow的python版转换，使用yolov5 6.1以上版本安卓端引入tensorflow远端依赖，并置入模型文件在项目工程里 这里我并没有去看tensorflow的api，而是直接参考了yolov5-android
注意事项模型我全部用的是demo默认模型运行demo时
转载
2024-04-27 19:52:06
111阅读
简介之前实现了基于FPGA的Winograd CNN加速器(VGG16)和基于FPGA的MobileNet v2加速器，但这两个算法在本质上区别不大:一个是VGG16，另一个是轻量级的MobileNet v2，所实现的功能都是图像分类。因此，为了尝试更多的应用，本文在FPGA上实现了一个目标检测网络----Yolov4 tiny。yolo4 tiny的结构是YOLOv4的精简版，属于轻量化模型，参
转载
2024-04-23 10:40:26
695阅读
首先检查自己的机器是否支持，否则都是白搭（仅仅有NVIDIA的显卡才支持。可在设备管理器中查看）假设不用GPU。能够直接官网下载预编译好的库环境：1 VS20132 Opencv2.4.93 CUDA6.5 （仅仅有6.5版本号以上版本号才增加对VS2013的支持。6.0最高支持到2012）4 TBB--------------下面内容转自网络（增加了自己编译时遇到的问题及解决方式）-------
