摘要：
部署可扩展的目标检测管道：推理过程（下） 融合 感兴趣的目标可以被遮挡。有时只能看到目标的一小部分（少至几个像素）。 图19.车辆和交通信号灯被遮挡。 图20：阻塞了总线。 图21：左侧的人被遮挡了。 像YOLOv3这样的基于CNN的目标检测方法有一个缺点，即要求特征图生成对目标遮挡具有鲁棒性。而且 阅读全文
摘要：
部署可扩展的目标检测管道：推理过程（上） 基于YOLOv3的目标检测推理过程的所有代码都可以在eriklindernoren/PyTorch-YOLOv3 GitHub repo找到。 为了进行审查，使用了完整版的YOLO配置文件。它包含有关网络，卷积层，三个YOLO检测层以及其它层及其属性的信息。 阅读全文
摘要：
目标检测推理部署：优化和部署 本文简要介绍了端对端推理管道的优化技术和部署。 将在以下三个方面研究推理优化过程：硬件优化，软件优化和模型优化。推理优化的关键指标如下： 吞吐量（未推理图像/秒） 硬件成本 存储 功耗消耗 质量 图1.三轴推理优化。 模型优化 YOLOv3-416模型用作预训练模型时， 阅读全文
摘要：
GPU上的快速光谱图分区 图形是用于对物理，生物，社会和信息系统中许多类型的关系和过程进行建模的数学结构。用于解决各种高性能计算和数据分析问题。对于网络分析，基因组学，社交网络分析和其他领域，大规模图形处理的计算需求，只有加速器才能提供的强大而高效的计算性能。NVIDIA通过CUDA 8引入了nvG 阅读全文
摘要：
图形数据标准化 AWS，Google，Neo4j，Oracle。这些只是在W3C关于图形数据的Web标准化的W3C研讨会上代表的一些供应商，内容必然会促进数据管理中最热门的部分：Graph的采用。 让许多供应商互相交谈，更不用说团结一致，这并非易事。增加学者和研究人员并不一定会使事情变得容易。现在， 阅读全文
摘要：
图形数据库成为主流 图形技术正成为主流，而知识库则处于领先地位。 盖蒂 每十年似乎都有其数据库。在1990年代，关系数据库成为主要的数据环境，它的易用性和表格格式使其成为不断增长的为数据网络提供动力的自然需求。虽然关系数据库仍然很强大，但2000年代见证了XML数据库的兴起，NoSQL（不需要将数据 阅读全文
摘要：
知识图：从图和数据库中获取知识 知识图到底是什么，以及关于它们的所有炒作是什么？如果想成为世界各地的Airbnbs，Amazon，Google和LinkedIn，那么学会区分真实的炒作，定义不同类型的图以及为用例选择合适的工具和数据库至关重要。 知识图被炒作。现在可以正式地说这句话，因为Gartne 阅读全文
摘要：
图分析Rapids cuGraph 英伟达（Nvidia）建立的新的开源库可能是推进分析和使图形数据库更快的秘密要素。 在Nvidia GPU上进行并行处理。 Nvidia很久以前就不再只是“仅仅”一家硬件公司。由于其硬件是支持AI火爆的大部分计算运行的要素，因此Nvidia承担了为软件铺路的最后一 阅读全文