Windows系统的安装方式可谓是五花八门千奇百怪,U盘镜像、光盘、PE、Ghost ……对于小白来说一看到这些名词就头大,根本没有继续操作的欲望,学习成本较高。那么有没有一种方法能让小白也可以独立重装系统呢?答案就是微软官方提供的 Windows 10 安装程序这原本是微软为了促进Windows 10 装机率而推出的工具,所以我们可以在Windows 7或Windows 8上使用,
转载 2024-06-25 21:42:50
85阅读
yolov5模型转换rknn安装virtualenv,用来来管理python环境导出包到另一个系统图片标注安装yoloyolov5yolov8onnx模型转换为rknnRK3588安装RKNN-toolkit 安装virtualenv,用来来管理python环境pip install virtualenvwrapper mkdir ~/virtualenvs #创建存方环境的位置查找virtua
转载 2024-09-28 13:06:27
160阅读
一.准备文件 a)QT5源码:qt-everywhere-opensource-src-5.12.2.tar.gz http://download.qt.io/archive/qt/5.12/5.12.2/single/ b)Arm交叉编译工具:gcc_for_rk3288_kernel.tgz,来自于sdk文档 c)qtcreator环境下载:qt-opensource-linux-x64-5.
转载 20天前
428阅读
**一.前言** 入手拿到rk3566这块板子后,默认是Android系统,程序存储在emmc(ROM)中。 开机可自检功能是否正常等等。 下载相关资料SDK等等,再安装虚拟机编译(建议使用虚拟机,双系统用了后比较麻烦,但编译速度较快)按照官方流程编译基本不会出错。 关于buildroot,debian,Ubuntu。这三个都是Linux的发行版本。1.差异 既然都是发行版本那么其差异呢,在于ro
ALLEGRO中导入自定义Logo图片如何往ALLEGRO中导入自定义图片关于在Allegro中成功导入LOGO图片,我在网上搜过很多种方式,尝试了几次发现还是以下的这种方式导入的图标更清晰美观一点,接下来就把我具体的操作过程给大家展示一下啦。使用的软件主要有三种:1.Photoshop 2.Wintopo 3.Allegro1.Photoshop photoshop主要是用来制作你想要的LOGO
 Microsoft R客户端的安装Microsoft R客户端是一个免费的用于数据科学分析的高性能的工具。他基于开源的R语言构建,所以你可以使用任何开源的R packages,另外R client也支持微软的强大的ScaleR语言,包括使用mrsdeploy package远程执行。1. 首先,下载安装Microsoft R client for windows,介绍地址如下
本篇是 DRM 的第三篇文章。在 《Linux DRM (一) Display Server》 中我们了解了 DRM 诞生的历史。在 《Linux DRM (二) 基本概念和特性》 中我们了解了一些基本的概念。现在,我们终于要向 DRM 源码进军了。+一、概览不知大家是否还记得,之前我有引用 Wiki 中对 DRM 的介绍,这里我们再回顾一下:DRM 由两个部分组成:一是 Kernel 的子系统,
因工作需要,需要将目标检测模型 部署在开发板上。在走了很多弯路后 找到一个成功的案例并记载下来这里说一下我现有的硬件设备 。我是购买的RADXA的rock3a开发板 搭载的soc是rk3568这是开发板的正面图,因为瑞芯微针对计算机视觉中的目标检测模型有一套自己的前向推理框架,所以我就着眼于搭载rockchip的开发板rock3a目标检测模型 这里采用的是yolo模型  由于原生yolo
RK3588 VOP-SPLIT分屏模式介绍文章目录RK3588 VOP-SPLIT分屏模式介绍RK3588 VOP介绍vop-split功能vop-split软件配置RK3588 VOP介绍RK3588具有性能强大VOP,分为4个VP port ,下图是RK3588 VP 和各显示接口的连接关系 需要注意的是,RK3588 的 HDMI 和 DP 支持 8K 输出,但是在 8K 输出模式下,一个
目录Keras简介快速浏览模型安装和导入转换器将Keras模型转换为ONNX摘要和后续步骤参考文献下载源547.1 KB系列文章列表如下:ONNX系列一 --- 带有ONNX的便携式神经网络ONNX系列二 --- 使用ONNX使Keras模型可移植ONNX系列三 --- 使用ONNX使PyTorch AI模型可移植ONNX系列四 --- 使用ONNX使TensorFlow模型可移植ONNX系列五
# 从入门到精通:如何实现"from rknn.api import rknn" 作为一名经验丰富的开发者,我将向你介绍如何实现"from rknn.api import rknn"这个操作。在这篇文章中,我将逐步展示整个流程,并为每一个步骤提供详细的代码示例和解释。 ## 整个流程 在介绍每一个步骤之前,我们先来看看实现"from rknn.api import rknn"的整个流程。以下
原创 2024-04-28 10:21:38
333阅读
RK3588是一款低功耗、高性能的处理器,适用于基于arm的PC和Edge计算设备、个人移动互联网设备等数字多媒体应用,RK3588支持8K视频编解码,内置GPU可以完全兼容OpenGLES 1.1、2.0和3.2。RK3588引入了新一代完全基于硬件的最大4800万像素ISP,内置NPU,支持INT4/INT8/INT16/FP16混合运算能力,支持安卓12和、Debian11、Build ro
关于RKNN      RKNN 是Rockchip npu 平台使用的模型类型,以.rknn后缀结尾的模型文件。Rockchip 提供了完整了模型转换 Python 工具,方便用户将自主研发的算法模型转换成 RKNN 模型,同时 Rockchip 也提供了C/C++和Python API 接口。 RKNN
转载 2024-05-21 15:24:31
1164阅读
1评论
  最近忙于爬坑搭建自己的公网流媒体服务器,RKNN的使用教程写的不太及时,在此对各位朋友说声抱歉。我将继续努力将本人使用RKNN工具进行算法移植、开发的教程分享给大家。 文章目录1.可视化工具的启动2.可视化工具功能介绍3.本人遇到的问题汇总 1.可视化工具的启动RKNN ToolKit有两种使用工具,一种是通过Python工具进行模型转换及量化,另一种通过可视化工具手动选择进行模型转换及量化
首先按顺序讲下转换的步骤过程,若遇到问题可以看看最后的【可能遇到的问题】有没有你的问题呢。 已经转好了onnx,完成了二分之一,接下来就一起转nccn吧。1. ncnn环境搭建# 准备基础环境 sudo apt install build-essential libopencv-dev cmake # 编译安装protobuf依赖库 git clone https://github.com/pr
转载 2024-03-21 09:28:06
203阅读
一、引言        RK3588S支持NPU,提供高达6.0Tops的算力,可以用于部署深度学习项目。本篇文章介绍Yolo v5代码开发、模型转化(RK3588S只支持rknn模型文件)、部署。        使用的RKNN-TooKit2,具体的环境搭建,请参考博文:RK3588(自带NPU)的环境搭建和体验(一
目录一、基本概念二、逻辑表达三、物理存储3.1 NCHW3.2 NHWC四、RGB图像数据举例五、不同框架支持         流行的深度学习框架中有不同的数据格式,典型的有NCHW和NHWC格式。本文从逻辑表达和物理存储角度用图的方式来理解这两种数据格式,最后以RGB图像为例来加深NHWC和NCHW数据存储
splunk与日志分析splunk的使用splunk配置日志字段提取日志分析场景已知ip,查看行为 splunk的使用在安全服务的多种场景下,我们都离不开日志分析这项工作,特别是在应急与溯源的过程中,日志分析成为快速定位问题的重要方式。轻量级的日志分析我们通常使用文本编辑器或者excel等具备简单筛选功能的工具进行查看,但是对于大量级的日志分析,在很多场景下这些工具不再适用,下面我将介绍splu
转载 2024-09-27 17:05:10
42阅读
谈谈深度学习中的 Batch_Size Batch_Size(批尺寸)是机器学习中一个重要参数,涉及诸多矛盾,下面逐一展开。首先,为什么需要有 Batch_Size 这个参数?全数据集 ( Full Batch Learning )的形式,这样做至少有 2 个好处:其一,由全数据集确定的方向能够更好地代表样本总体,从而更准确地朝向极值所在的方向。其二,由于不同权重的梯度值差别巨大,因此选取一个全
·第一段叫前端(Frontend):其输入为源代码,输出为中间表示(IntermediateRepresentation,简写为IR,IR也被称作中间代码、中间语言)。IR没有标准语法。各编译器都可以自定义IR。比如LLVM就有LLVM IR,而Java字节码也是一种IR。前端的工作主要是解析输入的源码,并对其进行词法分析、语法分析、语义分析、生成对应的IR等。·第二段叫优化器(Optimizer
转载 2024-07-09 21:17:52
79阅读
  • 1
  • 2
  • 3
  • 4
  • 5