上一页 1 ··· 179 180 181 182 183 184 185 186 187 ··· 272 下一页
摘要: MLIR多级中间表示概述 MLIR项目是构建可重用和可扩展的编译器基础设施的一种新方法。MLIR旨在解决软件碎片化问题,改进异构硬件的编译,显著降低构建特定领域编译器的成本,并帮助将现有编译器连接在一起。 More resources 有关MLIR的更多信息,请参见: l LLVM论坛的MLIR部分 阅读全文
posted @ 2020-12-12 12:52 吴建明wujianming 阅读(771) 评论(0) 推荐(0) 编辑
摘要: 布局汽车智能系统 中国制造业巨人huawei曾多次表示不会制造自己的汽车。但是,它将帮助汽车制造商制造出更好的汽车。目前,huawei对汽车行业的投资和重视程度正在迅速提高。根据中国以外的最新信息,该公司正在经历着巨大的工业和商业变革。在汽车行业,huawei的业务增加了汽车零部件的研发,生产,销售 阅读全文
posted @ 2020-12-12 08:15 吴建明wujianming 阅读(146) 评论(0) 推荐(0) 编辑
摘要: 车联网V-2X智能汽车驾驶 早期的功能互联汽车无法满足全球车主针对不同应用和定制移动服务的各种需求。这导致较低的客户续订率,较高的建造和运营成本以及较低的组装率。通常,在没有统一平台的情况下,不同的车辆必须访问不同的服务平台。孤立的烟囱式系统导致维护复杂且管理昂贵。如果访问多达200,000辆汽车, 阅读全文
posted @ 2020-12-12 08:01 吴建明wujianming 阅读(221) 评论(0) 推荐(0) 编辑
摘要: 激光雷达数据到云cloud 在美国地质调查局的3D提升计划(3DEP)被激发到一个新的方式可用性宣布从3DEP仓库的访问和处理激光雷达点云数据。 3DEP一直在美国使用光检测和测距(激光)技术获取三维信息,这是一种基于机载激光的遥感技术,在飞行时收集数十亿激光雷达的回波,并将结果提供给公众。除了简单 阅读全文
posted @ 2020-12-11 20:53 吴建明wujianming 阅读(350) 评论(0) 推荐(0) 编辑
摘要: 激光雷达lidar与点云数据 DEM是分布和显示数字地形的首个广泛使用的机制。 点云是在空间中随机放置的3D点的集合。传感器发出能量脉冲并乘以其返回行程(TWTT,双向行程时间)。知道了传感器的位置以及脉冲的传输方向,就可以确定反射面的3D位置。传感器还可以测量回波的强度,以估计反射表面的表面几何形 阅读全文
posted @ 2020-12-11 20:32 吴建明wujianming 阅读(2401) 评论(0) 推荐(0) 编辑
摘要: 点云建模场景分析 新技术一直在扰乱建筑和土木工程行业。点云建模已经存在了一段时间,但它已成为承包商和工程师的主要工具,在进行土地调查时寻求更多的便捷性和效率。用更少的资源来完成相同的工作-这是每个人从其业务努力中想要的。但是,点云到底是什么?它对测量工作场所有何帮助? 本文介绍如何将点云用于3D模型 阅读全文
posted @ 2020-12-11 20:04 吴建明wujianming 阅读(952) 评论(0) 推荐(0) 编辑
摘要: 激光雷达基础-光探测和测距-遥感 激光雷达或光探测和测距是一个活跃的遥感系统,可以用来测量广泛地区的植被高度。本文将介绍激光雷达(或激光雷达)的基本概念,包括: 什么是激光雷达数据。 激光雷达数据的关键属性。 如何使用激光雷达数据测量树木。 激光雷达的历史。 Key Concepts Why LiD 阅读全文
posted @ 2020-12-11 19:18 吴建明wujianming 阅读(1139) 评论(0) 推荐(0) 编辑
摘要: TVM vs TensorRT比较 如果理解正确的话,TensorRT和TVM会加快预测速度。 TensorRT优化预测GPU和TVM优化预测几乎所有平台支持GPU,ARM,Mobile。。。 两者在GPU上有比较吗? 到目前为止,tvm还没有为TensorRT优化的int8进行优化。但在这方面还有 阅读全文
posted @ 2020-12-11 17:22 吴建明wujianming 阅读(1134) 评论(0) 推荐(0) 编辑
摘要: TensorRT宏碁自建云(BYOC, BuildYourOwnCloud)上集成 这个PR增加了对分区、编译和运行TensorRT BYOC目标的支持。 Building 有两个新的cmake标志: USE_TENSORRT=ON/OFF:启用TENSORRT代码生成-这不需要TENSORRT库 阅读全文
posted @ 2020-12-11 16:50 吴建明wujianming 阅读(257) 评论(0) 推荐(0) 编辑
摘要: GPU上如何优化卷积 本文将演示如何在TVM中编写高性能卷积实现。我们以平方大小的输入张量和滤波器为例,假设卷积的输入是大批量的。在本例中,使用不同的布局来存储数据,以实现更好的数据局部性。缓冲区布局为HWCN,代表高度、宽度、通道、批次。 Preparation and Algorithm 对于2 阅读全文
posted @ 2020-12-09 16:50 吴建明wujianming 阅读(220) 评论(0) 推荐(0) 编辑
上一页 1 ··· 179 180 181 182 183 184 185 186 187 ··· 272 下一页