摘要：
Python 应用领域以及版本之间的区别 一．Python应用领域 1. Python+人工智能，给你更多研究方向选择！ 2. 企业级综合实战项目，集六大前沿技术为一体 二. Python 2与Python 3的区别 Python 2与Python3的区别。主要体现在以下几个方面： print函数 阅读全文
摘要：
TorchScript神经网络集成技术 create_torchscript_neuropod 将TorchScript模型打包为neuropod包。 create_torchscript_neuropod( neuropod_path, model_name, input_spec, output 阅读全文
摘要：
PyTorch神经网络集成技术 create_python_neuropod 将任意python代码打包为一个neurood包。 create_python_neuropod( neuropod_path, model_name, data_paths, code_path_spec, entryp 阅读全文
摘要：
Keras神经网络集成技术 create_keras_neuropod 将Keras模型打包为神经网络集成包。目前，上文已经支持TensorFlow后端。 create_keras_neuropod( neuropod_path, model_name, sess, model, node_name 阅读全文
摘要：
TensorFlow神经网络集成方案 创造张力流create_tensorflow_neuropod 将TensorFlow模型打包为neuropod包。 create_tensorflow_neuropod( neuropod_path, model_name, node_name_mapping 阅读全文
摘要：
深度学习框架集成平台C++ Guide指南 这个指南详细地介绍了神经网络C++的API，并介绍了许多不同的方法来处理模型。 提示 所有框架运行时接口都是相同的，因此本指南适用于所有受支持框架（包括TensorFlow、PyTorch、Keras和TorchScript）中的模型。 导入神经网络 最简 阅读全文
摘要：
机器视觉系统的几个问题解析 一． 工业相机如何选择接口？ 在了解数据接口之前，我们先来认识下什么是工业相机，工业相机的定义是机器视觉系统中的一个关键组件，其本质的功能就是将光信号转变成有序的电信号。选择合适的相机也是机器视觉系统设计中的重要环节，相机的选择不仅直接决定所采集到的图像分辨率、图像质量等 阅读全文
摘要：
高效Tensor张量生成 Efficient Tensor Creation 从C++中的Excel数据中创建Tensor张量的方法有很多种，在简单性和性能之间都有不同的折衷。本文讨论了一些方法及其权衡。 提示 继续阅读之前请务必阅读C++指南 将数据直接写入Tensor张量 如果能做到这一点就更好 阅读全文
摘要：
图像复原的神经网络稀疏表示 Neural Sparse Representation for Image Restoration paper: https://arxiv.org/abs/2006.04357 code: https://github.com/ychfan/nsr 摘要 受稀疏编码图 阅读全文
摘要：
单目和多目视觉统一标定 一．单目视觉标定 在图像测量过程以及机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何模型，这些几何模型参数就是相机参数。在大多数条件下这些参数必须通过实验与计算才能得到，这个求解参数的过程就称之为相机标定（或摄像机标 阅读全文