吴建明wujianming

2020年5月31日

摘要：人体姿态估计人体姿态估计（Human Pose Detection）是计算机视觉中的一个重要分支，应用范围宽广，比如在自动驾驶行业进行街景中行人的姿态检测、动作预测；在安防领域的行人再识别问题，特殊场景的特定动作监控；影视产业的电影特效等。 Openpose是卡内基梅隆大学提出的一种人体姿态检测模阅读全文

posted @ 2020-05-31 06:48 吴建明wujianming 阅读(2758) 评论(0) 推荐(0) 编辑

Pytorch和CNN图像分类

摘要： Pytorch和CNN图像分类 PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。它主要由Facebookd的人工智能小组开发，不仅能够实现强大的GPU加速，同时还支持动态神经网络，这一点是现在很多主流框架如TensorFlow都不支持的。 PyTorch 阅读全文

posted @ 2020-05-31 06:26 吴建明wujianming 阅读(1842) 评论(0) 推荐(0) 编辑

3D点云深度学习

摘要： 3D点云深度学习在自动驾驶中关于三维点云的深度学习方法应用、三维场景语义理解的方法以及对应的关键技术介绍。 1. 数据但是对于3D点云，数据正在迅速增长。大有从2D向3D发展的趋势，比如在opencv中就已经慢慢包含了3D点云的处理的相关模块，在数据方面点云的获取也是有多种渠道，无论是源于CA 阅读全文

posted @ 2020-05-31 05:58 吴建明wujianming 阅读(3806) 评论(0) 推荐(0) 编辑

2020年5月30日

TensorFlow基础剖析

摘要： TensorFlow基础剖析一．概述 TensorFlow 是一个使用数据流图 (Dataflow Graph) 表达数值计算的开源软件库。它使用节点表示抽象的数学计算，并使用 OP 表达计算的逻辑；而边表示节点间传递的数据流，并使用 Tensor 表达数据的表示。数据流图是一种有向无环图 ( 阅读全文

posted @ 2020-05-30 21:34 吴建明wujianming 阅读(475) 评论(0) 推荐(0) 编辑

Caffe框架GPU与MLU计算结果不一致请问如何调试？

摘要： Caffe框架GPU与MLU计算结果不一致请问如何调试？某一检测模型移植到Cambricon Caffe上时，发现无法检测出结果，于是将GPU和MLU的运行结果输出并保存后进行对比，发现二者计算结果不一致，如下图所示：第一张为GPU模式下，第二张为GPU模式，二者使用的输入和数据预处理方式均完全阅读全文

posted @ 2020-05-30 20:26 吴建明wujianming 阅读(484) 评论(0) 推荐(0) 编辑

YOLOv5目标检测源码重磅发布了！

摘要： YOLOv5目标检测源码重磅发布了！ https://github.com/ultralytics/yolov5 该存储库代表了对未来对象检测方法的超解析开源研究，并结合了在使用之前的YOLO存储库在自定义客户机数据集上训练数千个模型时所吸取的经验教训和改进的最佳实践https://github.c 阅读全文

posted @ 2020-05-30 19:40 吴建明wujianming 阅读(22372) 评论(0) 推荐(0) 编辑

NVIDIA深度学习Tensor Core性能解析（下）

摘要： NVIDIA深度学习Tensor Core性能解析（下） DeepBench推理测试之RNN和Sparse GEMM DeepBench的最后一项推理测试是RNN和Sparse GEMM，虽然测试中可以选择FP16，但实际上它们都只支持FP32运算。虽然RNN可能会有加速，但DeepBench和N 阅读全文

posted @ 2020-05-30 16:52 吴建明wujianming 阅读(1573) 评论(0) 推荐(0) 编辑

NVIDIA深度学习Tensor Core性能解析（上）

摘要： NVIDIA深度学习Tensor Core性能解析（上）本篇将通过多项测试来考验Volta架构，利用各种深度学习框架来了解Tensor Core的性能。很多时候，深度学习这样的新领域会让人难以理解。从框架到模型，再到API和库，AI硬件的许多部分都是高度定制化的，因而被行业接受的公开基准测试工具阅读全文

posted @ 2020-05-30 16:32 吴建明wujianming 阅读(1903) 评论(0) 推荐(0) 编辑

Tensor Core技术解析（下）

摘要： Tensor Core技术解析（下）让FP16适用于深度学习 Volta的深度学习能力是建立在利用半精度浮点（IEEE-754 FP16）而非单精度浮点（FP32）进行深度学习训练的基础之上。该能力首先由cuDNN 3支持并在Tegra X1的Maxwell架构中实现，随后原生半精度计算被引入P 阅读全文

posted @ 2020-05-30 15:56 吴建明wujianming 阅读(1696) 评论(0) 推荐(0) 编辑

Tensor Core技术解析（上）

摘要： Tensor Core技术解析（上） NVIDIA在SIGGRAPH 2018上正式发布了新一代GPU架构——Turing（图灵），黄仁勋称Turing架构是自2006年CUDA GPU发明以来最大的飞跃。Turing架构的两大重要特性便是集成了用于光线追踪的RT Core以及用于AI计算的Tens 阅读全文

posted @ 2020-05-30 15:35 吴建明wujianming 阅读(6517) 评论(1) 推荐(0) 编辑

吴建明

公告