最近要做分割，所以尝试下FCN。作为分割领域的开创者，本以为应该很快搞定，不曾想被网上一大堆坑爹教程狠狠坑了几把。愤而记录一下，目标是真真实实的把事情说清楚，弄明白，不清不楚的说就是坑人啊！！一.下载源码1.github上有多个版本的，我推荐原版的。原版是tf0.12,py2.7的，很多人应该跟我一样因为版本问题没有用原版，可是之后下载了3个版本，都有问题，而原版我tf1.12,py3.6竟然没有
1、编译libtensorflow-lite.a库： ubuntu下交叉环境编译： https://blog..net/computerme/article/details/80345065 https://blog..net/dia323/article/details/89388
原创
2022-01-17 16:33:27
93阅读
创建Tensorflow的模型在Android平台受到设备的限制，本身并不能训练模型，因此需要使用已有的模型。 在本文中将介绍如何将Tensorflow的模型转换成tflite模型，为Android设备可以使用。import tensorflow as tf
import numpy as np
转载
2024-04-11 14:48:07
202阅读
# Android TFLite（TensorFlow Lite）入门指南
在移动应用开发中，人工智能和深度学习的应用越来越广泛。TensorFlow Lite（TFLite）是一个轻量级的深度学习推理框架，专为移动和嵌入式设备设计。本文将介绍如何在Android应用中使用TensorFlow Lite，包括基本概念、安装步骤、代码示例以及数据流与数据关系图。
## 什么是TensorFlow
深度学习要想落地实践，一个少不了的路径即是朝着智能终端、嵌入式设备等方向发展。但终端设备没有GPU服务器那样的强大性能，那如何使得终端设备应用上深度学习呢？所幸谷歌已经推出了TFMobile，去年又更进一步，推出了TFLite，其应用思路为在GPU服务器上利用迁移学习训练自己的模型，然后将定制化模型移植到TFLite上，终端设备仅利用模型做前向推理，预测结果。本文基于以下三篇文章而成
转载
2024-03-10 14:31:18
347阅读
由于IOS App需要使用已训练的tensorflow模型进行物体检测，特将此过程记录下来已备不时之需。一、tflite是什么TensorFlow Lite 的设计旨在在各种设备上高效执行模型。这种高效部分源于在存储模型时，采用了一种特殊的格式。TensorFlow 模型在能被 TensorFlow Lite 使用前，必须转换成这种格式。 由上图可知：tflite是从训练的模
转载
2023-12-07 22:21:49
550阅读
最近在搞移动端的模型部署包括coreML IOS端的部署，tf-Lite Android端的部署。但是自己并不是前端开发工程师，所以移动端的代码只是修修改改，主要还是如何将模型转换到对应的格式并可以运行。这篇主要说下YOLOv5s在Android端的部署，模型是官方最新的的pytorch转ONNX，然后自己再转tf-lite，中间需要自己去修改NMS相关部分的代码，遇到一堆坑。
效果录像
转载
2023-09-14 22:36:23
330阅读
因为在跟踪GPS轨迹的时候开启了一个新的service来记录GPS数据，将结果显示在主页面，采用的是在service中使用broadCastReceiver发送广播在activity中收到广播后更新界面，在这学习一下broadCastReceiver。Android广播标准广播 完全异步执行的广播，广播发出后，所有广播接收器几乎同一时刻接收到这条广播消息，无先后顺序。效率高，无法被截断。有序广播
驱动和桥接log4j是一个日志系统。slf4j是一个日志系统的封装，对外提供统一的API使用slf4j需要下载slf4j-api-x.x.x.jar 它提供对外一致的API接口，其本身不提供日志实现。假设我们选择log4j作为我们的日志实现，需要下载log4j-x.x.x.jar如果想把slf4j绑定log4j，则需要下载slf4j对log4j的相应”驱动”。slf4j-log4j12-x.x.x
转载
2024-10-25 23:32:52
21阅读
一、tf.ConfigProto和tf.GPUOptions用法tf.ConfigProto一般用在创建session的时候，用来对session进行参数配置，而tf.GPUOptions可以作为设置tf.ConfigProto时的一个参数选项，一般用于限制GPU资源的使用。1.1 tf.ConfigProto()的参数log_device_placement=True : 是否打印设备分配日志
转载
2024-09-14 10:27:40
116阅读
本文介绍如何用 Relay 部署 TFLite 模型。
原创
2023-06-19 16:54:05
112阅读
大规模分布式机器学习应用中，GPU间参数聚合的速度对整体训练速度起到至关重要的作用，尤其当今GPU算力越来越强，参数聚合速度的重要性也日益显著。伯克利与微软在SysML 2018上推出了一个基于NVLink构建的高性能的参数聚合通讯库Blink并发表了相关论文。文中重点介绍了Blink的设计，并通过实验来证明其有效性。1.引言大型深度学习模型进行训练时，需要花费不少的时间，如ImageNet 1K
写在前面的话最近学习 Android 开发学到了运行时权限这部分，为了更好的理解与熟悉运行时权限的申请方法，我查找了一些资料做了如下总结。为了方便后期查看，同时也分享出来供大家一起学习。文章中若有描述不严谨或错误的地方，还请指出。方法一：一般写法这个方法中的内容主要参考的是 郭霖 大神的作品《第一行代码（第三版）》。自 Android 6.0 系统后，Android 引入了运行时权限功能以加强对用
小世界网络的集体动力学watts and strogatz约瑟夫逊结，激动的媒体，神经网络，空间游戏，基因空网络和许多其他的自组织系统。一般来说，连接拓扑被假定为既不是完全的规则图形也不是完全的随机图形。许多生物的、技术的或者社会的网络介于完全规则和完全随机两个极端的中间。在这里，我们探索可以在中间调节的网络的简单模型：规则网络重新编织以带来更多的无序。我们发现这些系统能被高度的聚合，象规则点阵，
tf用 tf.train.Saver类来实现神经网络模型的保存和读取。无论保存还是读取，都首先要创建saver对象。 用saver对象的save方法保存模型保存的是所有变量save(
sess,
save_path,
global_step=None,
latest_filename=None,
meta_graph_suffix='meta'
一、如何创建Tensortf.constant(数据)就可以创建一个tensor,tensor可以是任意的数据类型，在创建过程中，我们可以使用dtype=的参数来定义这个tensor的变量类型，但是要注意定义的类型与我们的数据类型是否相同。二、Tensor的常见属性转换设备# 从GPU转化成CPU
tensor.cpu()
# 从CPU转化成GPU
tensor.gpu()tensor.numpy
简介随着kotlin在我的代码中占比越来越大，我觉得自己有必要在一段时间的使用之后总结有哪些好的用法和哪些坏的用法。这篇文章记录了个人习惯了的几个kotlin写法，如果觉得我的这几种用法无论是性能上或是可读性、可维护性上有问题，欢迎和我一起讨论。几种习惯用法一、使用?.let代替空判断private fun getInfo(jsonObject: JSONObject?): Info? {
转载
2024-09-11 10:30:13
12阅读
文章目录0. 了解TensorRT1. 加速方法2. 环境配置3. TensorRT与Pytorch的速度比较 0. 了解TensorRThttps://zhuanlan.zhihu.com/p/371239130TensorRT 是由Nvidia公司推出的一款用于深度学习模型推理加速的SDK，其支持C++和python语言编译。TensorRT可以用于部署基于深度学习的应用程序，比如图像分类、
rosrun rqt_tf_tree rqt_tf_tree在ROS中，tf树是指一种用来表示坐标系之间关系的数据结构，可以描述ROS中各个坐标系之间的变换关系。tf树中包含多个坐标系（frame），每个坐标系都有一个名称，如“map”、“odom”、“base_link”等。这些坐标系之间通过一系列的转换关系（transform）连接在一起，形成一个树形结构，其中根节点为“map”坐
转载
2024-10-16 22:05:18
101阅读
现在的通用N-Tier模型很合理了么？ N-Tier的目的是什么？不就是为了清晰么？现在的N-Tier都有很理论化的色彩，在实际的应用中，往往为了保持那点清晰性，不得不让人破口大骂。 尤其是一个有着多个子系统的复杂系统
