11 2019 档案
摘要：使用python接口， 另外一种方式就是使用tf-trt，优化后的模型还是pb。优化的过程主要是一些层的合并啊之类的，加速结果不是特别明显，测了两个网络， 加速了10%的样子。优化后仍是pb，因此可以继续用tfserving。 keras/tf model -> pb model ->(trt优化m
阅读全文
摘要：1、首先将pb转为uff格式的模型 python /usr/lib/python3.5/dist-packages/uff/bin/convert_to_uff.py --input_file models/lenet5.pb 2、使用trt engine加速 这个加速还是挺明显的，但转换后的模型无
阅读全文
摘要：pip install alfred-py 在代码中加入
阅读全文
摘要：1、下载 https://developer.nvidia.com/nvidia-tensorrt-5x-download 选择5 GA版本，注意选择与自己CUDA匹配的版本 2、安装 参考：https://blog.csdn.net/zong596568821xp/article/details/
阅读全文
摘要：Objects as Points anchor-free系列的目标检测算法，只检测目标中心位置，无需采用NMS 1、主干网络 采用Hourglass Networks [1]（还有resnet18 with up conv layer，以及DLA-34），这是一个用于人体姿态检测的网络，网络结构如
阅读全文
摘要：在tfserving上，目测只能在每个gpu上起docker https://github.com/tensorflow/serving/issues/311#issuecomment-480176078 对于keras，github有利用多线程来解决多gpu推理 https://github.co
阅读全文
摘要：https://hub.docker.com/r/mapler/caffe-py3/ docker pull mapler/caffe-py3 docker run -it mapler/caffe-py3 bash
阅读全文
