|
|
深度学习模型及应用详解（书籍）
十. 模型设计之卷积核设计
日拱一卒
0. 主要内容基于参数压缩的卷积核设计基于感受野的卷积核设计基于卷积操作的优化 1. 基于参数压缩的卷积核设计 [图片] 2. 基于感受野的卷积核设计 [图片] 3. 基于卷积操作的优化 [图片]
使用MindStudio完成ch_ppocr_server_v2.0_rec模型开发
目录一、模型介绍 二、MindStudio 环境搭建 2.1、MindStudio 软件下载 2.2、MindStudio 软件安装 2.3、MindStudio 环境搭建 三、模型获取 3.1、模型介绍 3.2、获取源码 3.3、安装依赖 四、数据预处理 4.1、添加数据预处理脚本 4.2、设置可执行命令 五、模型转换 5.1、转 onnx 模型 5.2、转 om 模型 六、模型推理 6.1、获取推理工具 6.2、进行模型推理 七、模型精度验证 7.1、数据后处理 7.2、进行在线推理 7.3、精度验证比对 八…
只有具备这6个能力，你才不会被机器替代！
美国著名管理学者丹尼尔·平克（Daniel Pink）提出，在人工智能时代，人需要拥有机器做不到的六种能力。 第一，要有设计感、美感、欣赏之心，看着湖水就能想到水天一色的美； 第二，要有快乐感，让自己身心愉悦、健康的同时，也要让别人身心愉悦、健康； 第三，要有意义感，知道如何在烦琐的生活中找到生活的意义； 第四，要有形象思维的能力，善于讲故事，有具体化抽象概念； 第五，要有产生共鸣的能力，善于感染和激励他人； …
使用YOLOv7进行Transformer检测模型的TensorRT部署
前端工程师，Flutter开发，AI，浙大硕士毕业
最近有大佬开源了YOLOv7, 大概看了一眼， 支持DETR等模型的ONNX导出，并且可以进行tensorrt推理。但是原作者并没有开源对应的权重，也没有开源onnx推理的脚本。本文就依托YOLOv7这个项目，将DETR导出到onnx,并教大家如何使用这个onnx进行tensorrt的部署。 首先clone一下原项目： https://github.com/jinfagang/yolov7 [图片] DETR 权重推理验证 原来的项目其实也支持AnchorDETR,这个我没有测试，但是逻辑应该是一样的。首先大家可以从DETR官方repo下载…
Torchserve-->Advanced configuration
概述 [图片] [图片] [图片] [图片] 修改服务端口-->远程访问 [图片] [图片] # Option 1 keytool -genkey -keyalg RSA -alias ts -keystore keystore.p12 -storepass changeit -storetype PKCS12 -validity 3600 -keysize 2048 -dname "CN=www.MY_TS.com, OU=Cloud Service, O=model server, L=Palo Alto, ST=California, C=US" # Configure the following properties in config.properties: inference_address=https://127.0.0.1:8443 management_address=https://127.0.0.1:8…