顺势而为

摘要： 搭建一套基于docker的开发训练环境 步骤如下： O、安装ubuntu18.04及NVidia驱动，CUDA,CUDNN 1.安装Ubuntu系统 制作ubuntu18.04系统盘 安装ubuntu过程，比较简单，可参考该链接：https://blog.csdn.net/baidu_3660242 阅读全文

摘要： ubuntu版本１６．０４ 一、清华源 # 清华大学源 deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted universe multiverse deb http://mirrors.tuna.tsinghu 阅读全文

摘要： 一、安装依赖包： sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler sudo apt-get install --n 阅读全文

摘要： 一、镜像操作 1)构建镜像　docker build -t REPOSITORY:TAG . 注意最后一个点[.]不能缺少，生成完：runoob/centos为REPOSITORY,6.7为TAG 2)获取镜像　sudo docker pull REPOSITORY[:TAG] 3)为镜像打个标签　 阅读全文

摘要： 本文主要介绍使用docker＋pycharm方式来搭建pytoch训练平台 操作流程如下： 一、宿主机docker环境安装 可参考该链接：NVidia-Docker2安装与常用命令 二、新建Docker镜像 有两种方式： １、直接新建Ｄockerfile的方式生成 1)新建一个Dockerfile文 阅读全文

摘要： 背景： DL训练框架采用Pytorch，推理框架使用Caffe，模型使用的是基于Facebook新出的MaskRCNN改进版，主要使用ADAS的视觉感知，包括OD,车道线，语义分割等网络。 整体框架： ​ 图1 Mask R-CNN整体架构 Mask R-CNN是一个非常灵活的框架，可以增加新的分支 阅读全文

摘要： 前提条件：配置apt国内镜像源1.备份sources.list sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak2.修改sources.list sudo gedit /etc/apt/sources.list3.替换云镜像阿里 deb 阅读全文

摘要： 1.线性插值： 已知数据 (x0, y0) 与 (x1, y1)，要计算 [x0, x1] 区间内某一位置 x 在直线上的y，使用如下公式： 公式１：(y-y0)/(x-x0) = (y1-y0)/(x1-x0) 公式２：y=(x1-x)/(x1-x0)*y0+(x-x0)/(x1-x0)*y1 就 阅读全文

摘要： 一、conda 本地环境常用操作 conda --version | conda -V #获取版本号 conda update conda #检查更新当前conda conda env list | conda info -e #查看当前存在哪些虚拟环境 conda list #查看 conda s 阅读全文

摘要： 问题现象： 由于各种原因，在通过CUDA安装显卡驱动或者直接通过NVIDIA驱动程序安装显卡驱动后，有时会出现显卡驱动崩溃的情况，而这种情况的表现形式就是循环登陆，无法正常进入UBUNTU系统。 原因： GPU显卡驱动与当前环境有冲突，可能原因：GDM3，LightDM，nomodest等等。 解决 阅读全文

摘要： Traceback (most recent call last): File "freeze_model.py", line 59, in <module> main() File "freeze_model.py", line 54, in main frozen_graph = freeze_ 阅读全文

摘要： 详细介绍了YOLOV4,从数据增强，主干网选择，特征增强，以及后处理等全方位优化策略。 阅读全文

摘要： 上一节我们学习了Pytorch优化网络的基本方法，本节我们将以MNIST数据集为例，通过搭建一个完整的神经网络，来加深对Pytorch的理解。 一、数据集 MNIST是一个非常经典的数据集，下载链接：http://yann.lecun.com/exdb/mnist/ 下载下来的文件如下： 该手写数字 阅读全文

摘要： 目前，在自动驾驶的视觉感知上，对路面的动态多目标检测，为了达到速度要求，可使用Ｙｏｌｏｖ３－ｔｉｎｙ． 基本网络结构如下： 在ｙｏｌｏｖ３的基础上去掉了一些特征层，并只保留了两个预测分支． ｔｅｎｓｏｒｆｌｏｗ版本代码稍后附上．．． 阅读全文

摘要： 一、背景分析： 充分理解不同坐标系，以及它们之间的转换关系对于研究3D几何视图以及VSLAM是非常有必要的。 二、各坐标系间相互关系： 1、世界坐标系到相机坐标系 转换关系主要是外参：R,T R、T与摄像机无关，所以称这两个参数为摄像机的外参数(extrinsic parameter)，可以理解为两 阅读全文