silence_cho

摘要： 繼續(xù)整理tensorrt的學習資料，方便后續(xù)查看. (文章內容大部分摘取于網絡資源) ## 1 int8量化 int8量化就是將網絡的權重由float32類型縮放為int8類型，同時記錄縮放的scale。為了盡可能的不丟失精度，需要采用標定圖片來確定縮放的范圍。 ### 1.1 int8量化原理 * 閱讀全文

摘要： 繼續(xù)整理tensorrt的學習資料，方便后續(xù)查看. (文章內容大部分摘取于網絡資源) ## 1. tensorrt插件 對于tensorrt不支持的算子，可以通過plugin插件的方式，自己實現。這里采用在pytorch中自定義一個算子，導出到onnx中，然后實現一個tensorrt plugin來 閱讀全文

摘要： 整理下tensorrt學習資料，方便后續(xù)查找。(文章內容大部分摘取于網絡資源） # 1. tensorrt介紹 安裝： https://docs.nvidia.com/deeplearning/sdk/tensorrt-install-guide/index.html tensorrt python 閱讀全文

摘要： 最近要使用到cmake，花了幾天學習和整理了下，簡單記錄下筆記，方便日后查看。強烈建議跟著下面cmake-examples這個github實踐一遍，再結合官方手冊查詢下相關命令含義。 本篇筆記主要參考資源： https://github.com/ttroy50/cmake-examples 官方Cm 閱讀全文

摘要： 最近頻繁用到matplotlib繪圖，梳理了下官網的tutorial，記錄下學習筆記。主要是對下面鏈接的翻譯和個人理解整理。 https://matplotlib.org/3.5.0/tutorials/introductory/usage.html 1. 基礎知識 matplotlib繪圖中包括兩 閱讀全文

摘要： 1. 問題描述 在之前的文章里（zmq模塊的理解和使用），寫過zmq有三種模式供選擇，我工作中主要采用PUB-SUB模式。使用場景主要包括一個server端和多個client端： server端：進行視頻讀取，并對每張圖片進行目標檢測和跟蹤，采用PUB模式，將檢測和跟蹤結果廣播出去 client端： 閱讀全文

摘要： 實際項目中一般都直接使用封裝好的sift算法。以前為了用sift，都是用的舊版本：opencv-contib-python=3.4.2.17，現在sift專利過期了，新版的opencv直接可以使用sift算法，opencv-python==4.5.1版本測試可以使用。 sift算法理論部分參考前面文 閱讀全文

摘要： 深度學習神經網絡訓練過程主要涉及到兩個過程，一個是數據前向傳播(data forward-propagation)，輸入數據經過網絡正向計算，輸出最終結果；另一個是誤差反向傳播(error backward-propagation)，網絡輸出結果的誤差和梯度反向傳播，并更新權重。反向傳播過程又可以細 閱讀全文

摘要： SIFT(Scale-Invariant Feature Transform) 尺度不變特征轉換(Scale-invariant feature transform或SIFT)是一種電腦視覺的算法用來偵測與描述影像中的局部性特征，它在空間尺度中尋找極值點，并提取出其位置、尺度、旋轉不變量，此算法由 閱讀全文

摘要： Ransac： Random Sample Consensus, 隨機抽樣一致性。RANSAC算法在1981年由Fischler和Bolles首次提出。 Ransac是一種通過使用觀測到的數據點來估計數學模型參數的迭代方法。其中數據點包括內點(inlier)，外點(outlier)。outlier對 閱讀全文