爱笑的小姐姐 头像

爱笑的小姐姐

625 声望
嵌入式 AI,让AI无处不在。欢迎加入微信交流群,微信号:gg15319381845(... 展开

嵌入式 AI,让AI无处不在。欢迎加入微信交流群,微信号:gg15319381845(备注:嵌入式)

收起
关注了
6
粉丝数
4
最新动态
  • 发布了文章 ·
    Raspberry Pi Pico教程高级篇:ADC&PWM

    模拟数字转换器即A/D转换器,或简称ADC,通常是指一个将模拟信号转变为数字信号的电子元件。通常的模数转换器是将一个输入电压信号转换为一个输出的数字信号。

    摘要图
  • 发布了文章 ·
    Raspberry Pi Pico教程进阶篇:I2C&SPI

    I2C总线是一种简单、双向二线制同步串行总线。SDA(串行数据线)和SCL(串行时钟线)都是双向I/O线,接口电路为开漏输出。需通过上拉电阻接电源VCC.当总线空闲时。两根线都是高电平,连接总线的外同器件都是CMOS器件,输出级也是开漏电路。

    摘要图
  • 发布了文章 ·
    阿chai带你学Raspberry Pi Pico基础篇:IO口的使用/UART通信/中断/定时器

    操作I/O是玩硬件的基础,我们可以用来控制开关量的设备,例如点灯、蜂鸣器、按键等等。详细的硬件的设计这里并不做解释,课参考单片机的学习资料,主要介绍程序撰写。

    摘要图
  • 发布了文章 ·
    阿chai带你学Raspberry Pi Pico:环境搭建与简介

    Pico可以在电脑和树莓派上做开发,阿chai在这里主要介绍在电脑上的开发环境,分为C版本与MicroPython版。阿chai建议大家使用MicroPython版本。

    摘要图
  • 发布了文章 ·
    华为A910芯片+MindSpore与2080Ti/P100/T4+PyTorch实测对比

    文章转载于:知乎作者:凯恩博​五一假期参加了华为和机器之心共同办的MindSpore学习的系列活动。因此有机会申请试用到华为云中ModelArts Ascend 910做模型训练。据工作人员讲可以试用大约一周的时间~ 还不错由于华为此前的宣传中一再强调A910的模型训练性能,因而拿到A910试用资格后,迫不及待地做了一系列的模型对比实验...

    摘要图
  • 发布了文章 ·
    Tengine在GPU上支持CUDA/TensorRT加速啦

    Tengine框架在最近\支持了GPU上通过CUDA或TensorRT加速,那么今天阿chai就带着大家看看我们如何在NVIDIA的嵌入式设备中使用Tengine框架。今天的算法完全在嵌入式上进行,请小伙伴们自行学习有关LInux下开发的相关知识。

    摘要图
  • 发布了文章 ·
    基于TensorRT量化部署RepVGG模型

    【GiantPandaCV导语】本文为大家介绍了一个TensorRT int8 量化部署 RepVGG 模型的教程,并开源了全部代码。主要是教你如何搭建tensorrt环境,对pytorch模型做onnx格式转换,onnx模型做tensorrt int8量化,及对量化后的模型做推理,实测在1070显卡做到了不到1ms一帧!

    摘要图
  • 发布了文章 ·
    MindSpore高阶优化器(2)

    这篇跟大家分享MindSpore自研优化器THOR(Trace-based Hardware-driven layer-ORiented Natural Gradient Descent Computation),该优化器在ImageNet上训练ResNet50,使用MindSpore+8 Ascend 910 仅需66.7分钟,当使用256节点时仅需2.7分钟!该优化器已完成论文投稿,被AAAI2020接受,后续会把论文贴出来。上一篇中我们已...

    摘要图
  • 发布了文章 ·
    基于TensorRT量化部署YOLOV5s 4.0模型

    文章转载于:GiantPandaCV作者:willer【GiantPandaCV导语】本文为大家介绍了一个TensorRT int8 量化部署 yolov5s 4.0 模型的教程,并开源了全部代码。主要是教你如何搭建tensorrt环境,对pytorch模型做onnx格式转换,onnx模型做tensorrt int8量化,及对量化后的模型做推理,实测在1070显卡做到了3.3ms一帧!开源地址如下...

    摘要图
  • 发布了文章 ·
    MindSpore高阶优化器系列(1)

    深度概率学习系列已经介绍完啦,接下来给大家分享下高阶优化器系列,想要看前一个系列的小伙伴们戳下面的地址哦。

    摘要图
  • 发布了文章 ·
    MindSpore贝叶斯应用工具箱

    本篇主要聚焦于对贝叶斯深度学习的应用进行分享,也非常欢迎大家一起探讨下贝叶斯深度学习在继深度学习后会带来什么样的发展和突破,以及相应的应用场景。

    摘要图
  • 发布了文章 ·
    MindSpore神经网络与贝叶斯神经网络

    本篇文章会介绍深度概率学习的第三部分:神经网络与贝叶斯神经网络,并在MindSpore上进行代码的实践。

    摘要图
  • 发布了文章 ·
    基于CenterFace的模型优化记录

    CenterFace是基于CenterNet的一种AnchorFree人脸检测模型。在widerface上性能虽然没有超过SOTA(Retinaface),但是胜于推理速度较快(不需要NMS),模型结构简单,便于移植部署。

    摘要图
  • 发布了文章 ·
    MindSpore深度概率推断算法与概率模型

    本篇文章会介绍深度概率学习的第二部分:深度概率推断算法与概率模型,并在MindSpore上进行代码的实践。

    摘要图
  • 发布了文章 ·
    一文带你初识MindSpore深度概率学习

    MindSpore开源将近半年,已经推出了蛮多的架构和模型算法创新特性。我所在的团队主要负责模型及算法创新工作,现在围绕相关工作开一个专栏,把过程中的思考/开发遇到的坑,和小伙伴们分享一下,欢迎各位来炮轰。主要有以下几个系列:

    摘要图
  • 发布了文章 ·
    Pytorch转ONNX-实战篇2(实战踩坑总结)

    文章转载于:GiantPandaCV作者:立交桥跳水冠军编辑:GiantPandaCV作者丨立交桥跳水冠军来源丨[链接]编辑丨GiantPandaCV前两篇文章分别从理论和ONNX的核心机制描述了Pytorch转ONNX需要注意的事情。接下来这篇文章没有什么核心主旨,只是纯粹记录我当时做项目的时候踩的坑以及应对方案(1)Pytorch2ONNX不支持对slice对象赋...

    摘要图
  • 发布了文章 ·
    Pytorch转ONNX-实战篇1(tracing机制)

    昨天的文章简单描述了在Pytorch转ONNX中面临的问题和需要注意的事情,今天的文章会重点结合OpenMMlab系列中用到的Pytorch转ONNX的小技巧来介绍实战部分。

  • 发布了文章 ·
    Pytorch转ONNX-理论篇

    之前几个月参与了OpenMMlab的模型转ONNX的工作(github account: drcut),主要目标是支持OpenMMLab的一些模型从Pytorch到ONNX的转换。这几个月虽然没做出什么成果,但是踩了很多坑,在这里记录下来,希望可以帮助其他人

    摘要图
  • 发布了文章 ·
    端边云全场景统一的AI框架的挑战和解决思路

    2020年的最后一天,MindSpore发布了1.1版本,1.1中很重要的特性是构建了端边云全场景统一的基础架构:

    摘要图
  • 发布了文章 ·
    【AutoKernel系列教程】六、GEMM调度策略优化指南

    文章转载于: Tengine开发者社区作者:小O妹AutoKernel系列教程- GEMM调度策略优化指南 -本期教程将演示如何通过调度策略,在x86 CPU上把gemm的性能提升200+倍!优化宗旨1.提高局部性,提高缓存命中率2.提高并行性,充分利用SIMD进行指令向量化和多核心并行代码data/06\_gemm\_optimization.cppdata/06\_build.sh以下代码...

    摘要图
认证与成就
获得 39 次点赞
2020年02月20日 加入
极术微信服务号
关注极术微信号
实时接收点赞提醒和评论通知
Arm中国学堂公众号
关注Arm中国学堂
实时获取免费 Arm 教学资源信息
Arm中国招聘公众号
关注Arm中国招聘
实时获取 Arm 中国职位信息