数字图像处理发展概况 数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以
转载
2024-05-07 11:52:44
14阅读
今天分享一下本人在笔记本上配置TensorFlow环境的过程。说明电脑配置：Acer笔记本CPU Inter Core i5-6200UGPU NVIDIA GeForce 940M(忽略掉我的渣渣GPU)Windows10所需的环境：Anaconda3(64bit)CUDA-8.0CuDNN-5.1Python-3.6TensorFlow 或者 TensorFlow-gpu首先安装Anacond
矩阵及线性变换以向量为工具，研究向量合成即向量组线性组合，核心概念是线性空间和基。这种方法的优点是具有极强的几何图像，很直观，是理解线性代数的基础。但也有明显的缺点，一是表达上不简洁，每次都需要写出向量组中每个向量和每个表示系数，表达不简洁不利于数学的发展，思维的提高，所以需要把向量组和表示系数组作为一个整体考虑；二是计算上不方便，判断向量组是否为基、计算正交补空间和向量投影这几个线性代数基本问题
转载
2024-09-26 06:10:23
43阅读
python 手写数字识别 （mnist库）importnumpy as npimportpandas as pdimporttensorflow as tf
from tensorflow.kerasimportlayersimportmatplotlib.pyplot as plt'''1.打开数据集文件，并且读取mnist数据'''data= np.load('mnist.npy')
pri
转载
2024-07-29 16:37:05
74阅读
# 如何将float数值放在GPU上
在深度学习和机器学习中，使用图形处理器（GPU）来加速计算是一种常见的做法。GPU相比于处理器（CPU）具有并行计算的优势，能够在训练和推理过程中加快计算速度。在Python中，我们可以使用一些库（例如PyTorch、TensorFlow等）来将浮点数放在GPU上进行计算。
## 问题描述
假设我们有一个简单的线性回归模型，该模型需要在GPU上计算。
原创
2024-01-05 04:58:04
243阅读
在DL的科研和工程中，对数据的操作是一个重要的环节，其中最常用的工具是Numpy和Pytorch。Numpy一个强大的数据操作的工具，但是它不能在GPU上运行，只有将Numpy中的ndarray转换成tensor, 才能在GPU上运行。所以我们在必要的时候，需要对ndarray和tensor进行操作，同时由于list是一种我们在数据读取中经常会用到的数据结构，所以对于list的操作也是经常用到的一
# 使用GPU加速Python排序算法的项目方案
## 项目背景
随着数据量的急剧增加，传统的CPU排序算法在效率上的限制逐渐显现。为了提升数据处理速度，越来越多的开发者开始探索将计算密集型任务转移到GPU上。GPU天生非常适合并行计算，这使得它在处理大规模数据方面展现出了巨大的优势。
本项目旨在利用CUDA（Compute Unified Device Architecture）技术，通过
文 | Youngshell审 | bindingdai多场景建模是推荐系统CTR预估领域比较热门的一个研究方向，本次给大家分享的论文是：《One Model to Serve All: Star Topology Adaptive Recommender for Multi-Domain CTR Prediction》这篇论文来自阿里妈妈定向广告技术团队，
项目效果：
python车流量检测双向车流计数 1、环境配置1.1 安装显卡加速工具(1) 安装CUDA和cudnnNVIDIA CUDA® 深度神经网络库 (cuDNN) 是经 GPU 加速的深度神经网络基元库。cuDNN 可大幅优化标准例程（例如用于前向传播和反向传播的卷积层、池化层、归一化层和激活层）的实施。世界各地的深度学习研究人员和框架开发者都依赖 cuDNN 实现高性能 GPU
极市导读曾写过 MobileNet-YOLO v3 的作者再度发布仅1.3MB的超轻YOLO模型，它不但全平台通用，检测速度及准确率也非常亮眼。最轻的YOLO算法出来了！这是个模型非常小、号称目前最快的YOLO算法——大小只有1.3MB，单核每秒148帧，移动设备上也能轻易部署。而且，这个YOLO-Fastest算法满足所有平台的需要。不论是PyTorch，还是Tensorflow，又或者是Ker
“3D数据协同挖掘”哈喽大家好，我是你们的小象。在使用SOLIDWORKS Plastics做模流分析时，经常需要借助模具设计的图档来确定水路，流道及浇口的设计。如果是3D模具装配图档则以上的信息可以非常直观地获取，但是SOLIDWORKS Plastics 必须是在零件的环境下才能做分析，那我们该如何处理呢？下面通过一个例子来说明。?当我们需要导入一个3D模具(通用格式，例如STEP)的模
转载
2024-09-28 09:52:44
53阅读
机器学习如何将plt图像上的点
在机器学习的过程中，数据可视化是一个非常重要的环节。通过使用Matplotlib等库，我们能够有效地展示和分析数据。在实际应用中，我们常常会遇到这样的问题：如何将机器学习模型的预测结果可视化到已有的plt图像上，尤其是将预测的点标记在图上。
> “数据可视化不仅可以帮助我们更好地理解模型，还能让我们识别潜在的问题。”
错误现象
在尝试将模型预测的点叠加到已
信号分析方法概述 通信的基础理论是信号分析的两种方法：1 是将信号描述成时间的函数，2是将信号描述成频率的函数。 也有用时域和频率联合起来表示信号的方法。时域、频域两种分析方法提供了不同的角度，它们提供的信息都是一样，只是在不同的时候分析起来哪个方便就用哪个。
一、目前主流的深度学习框架Caffe, TensorFlow, MXNet, Torch, Theano比较库名称开发语言速度灵活性文档适合模型平台上手难易Caffec++/cuda快一般全面CNN所有系统中等TensorFlowc++/cuda/Python中等好中等CNN/RNNLinux, OSX难MXNetc++/cuda快好全面CNN所有系统中等Torchc/lua/cuda快好全面CN
转载
2024-09-04 14:28:29
83阅读
这篇文章是本系列文章的完结篇，它描述了用于方法学的 UML 扩展和支持工具。本文将关注点放在支持 USBD （基于统一场景的设计）的工具上面，也就是将用于 IBM® Rational® Software Architect 版本 7 以及后续版本的 IBM® WebSphere® Business Modeler 集成特性，以及一组 UML 2.0 的扩展放置到一组 UML 规范之中。这其中
转载
2024-06-14 09:31:23
42阅读
如何把数组移到SD里然后用FATFS文件系统打开 对于FATFS文件系统来说如果要使他支持中文文件名，我们就必须要把cc936.c文件添加进我们的工程。而在cc936.c文件中的oem2uni和uni2oem数组又很大（总共占了15KB内存左右）。所以我们就会想可不可以把这两个数组放进SD卡里或者外部的flash呢，答案是肯定能行的，但要如何做呢，这就是我今天写的这个文档要记录的东西，此
转载
2024-05-31 05:24:46
63阅读
NVIDIA Jetson Xavier NX载板RTSO-6002使用TF卡说明一、将根文件拷贝到格式化好的TF卡中二、开发主机下载对应安装包三、烧录环境搭建四、进入Recovery模式五、最关键的一步，烧录 （回到家抱着薯片狂啃，趁着热乎气儿抓紧记录下来，有问题欢迎指正~） 由于瑞泰的这个载板内存限制，需要另外安装内存卡，并对系统进行烧录，使得其可以从内存TF（也称为MicroSD）卡进
matplotlib学习一，设置图片大小import matplotlib.pyplot as plt
fig = plt.figure(figsize=(20,8),dpi=80)
# figure图形图标的意思，在这里值得就是我们画的图
#通过实例化一个figure并且传递参数，能够在后台自动使用figure实例
#在图像模糊的时候柯延传入dpi参数，让图片更加清晰
Tensor的操作Tensor的主要运算操作通常分为四大类：Reshaping operations（重塑操作）Element-wise operations（元素操作）Reduction operations（缩减操作）Access operations（访问操作）重塑操作 在重塑操作上，以如下张量为实例进行演示：import torch
t = torch.tensor([
[1, 1
matlab的绘图和可视化能力是不用多说的，可以说在业内是家喻户晓的。Matlab提供了丰富的绘图函数，比如ez**系类的简易绘图函数，surf、mesh系类的数值绘图函数等几十个。另外其他专业工具箱也提供了专业绘图函数，这些值得大家深入学习好久。今天我只是讨论下如何保存这些由Matlab绘制出来的图像呢？当然借助第三方截图软件，就算了！1、直接另存为在figure中使用菜单file——>s
