北京时间 8月23日（周一）19:00，商汤学术和智东西公开课共同举办的模型量化算法重要的难...
人们在代数方程根的研究主要由于三个方向：１>关于根的存在性问题．2>不求解方
柯西-黎曼方程(简称C-R方程）是在复分析中用来判定一个复变函数是否可微的充要
freeRTOS 是一个实时的内核，完全免费，即使你用做商用，并且可以配置成抢占式或者支持时间
书上对微积分基本定理的描述以及证明如下：设在闭区间上连续， 是在上的一个原函数，则：给出的证明过程是：
缓存swap cache（2） 如果page->mapping不等于0，但第
本文则以一个程序来说明量化的具体计算过程：import numpy as npdef quantization(x, s, z, alpha_q, beta_q): x_q = np.round(1 / s * x + z, decimals=0) x_q = np.clip(x_q, a_min=alpha_q, a_max=beta_q) return x_qdef quan
现在的终端产品种类非常的多，常见的包括tablet, 手机，笔记本 ,ipod...等等，这些终端带屏产品连同台式机，智能电视等固定设备占据了我们的工作和生活中的大部分时间，不知道你发现没有，使这些不同种类的产品之间互操作是比较麻烦的事情，这里分享一款非常好用的远程控制工具，支持跨设备，跨平台互操作，是你居家旅行，远程控制，维修电脑，泡M装X的利器，更难能可贵的是，作出这款利器竟然是国内
根据百度百科的解释，PCIE(peripheral component interconnect express)是一种高速串行计算机扩展总线标准，它原来的名称为“3GIO”，是由英特尔在2001年提出的，旨在替代旧的PCI，PCI-X和AGP总线标准。PCIe属于高速串行点对点双通道高带宽传输，所连接的设备分配独享通道带宽，不共享总线带宽，主要支持主动电源管理，错误报告，端对端的可靠性
参考资料http://developer.amd.com/wordpress/media/2012/10/LibNUMA-WP-fv1.pdfnuma(3) - Linux manual pagenuma(3): NUMA policy library - Linux man pagenuma内核和外延numa安装sudo apt install libnuma-devcz
多任务间同步的方式包括关中断，调度器上锁， 互斥量(mutex),信号量，消息队列几种， 其中互斥量和信号量使用使用方式相近，连概念和实现都有些近似， 所以没有扎实操作系统背景知
ESP-IDF是个筐，啥OS都可以往里面装!ESP32基于一款Xtensa指令集架构的核心，虽然这款IP核知道的人不多，但是提到音频领域鼎鼎大名的HIFI系列DSP，可能很多人不会陌生，事实上，HIFI系列和ESP32基于的LX6核心使用的是相同的指令集架构(ISA).ISA架构。xtensa架构的ISA定义比较晦涩，而且使用了比较难于理解的寄存器窗的概念，也就是在汇编指令用的EABI寄存器和微架
白嫖来的C端代码:matrix.c：#include <stdio.h>#include <stdlib.h>#include <alloca.h>#include <CL/cl.
terpolation)本文主要讲述最近邻插值(Nearest Neighbor interpolation算法的原理以及python实现基本原理最简单的图像缩放算
When a CLI process in Linux exits after a segmentation fault, the following message is typically printed tostdout: “Segm
本文是在这篇博客的基础上开发一个简单的数据模型，在模型上进行序列化和反序列化操作，并检验数据的正确性。1.编写数据格式描述文件需要注意的是，为了增加难度，我定义了具有嵌套关系的结构体结构形式。syntax = "proto3";package hello;message NestObj{ int32 zilong1 = 6; string zilong2 = 7; int32 z
前面介绍在V831平台上的人形检测功能框架实现，最终的检测结果通过绘矩形框来实现，由于VIPP硬件支持绘框操作
UVC工作原理：关于UVC的实现方式，UVC驱动分为设备端和主机端，根据 linux 内核的实现，貌似设备端的实现源码头部的版本信息描述为“USB Video Class Gadget driver”，而主机端的实现则是“USB Video Class driver”。并且主机端和设备都都和和v4l2框架挂接，根据下图可以看到这一点。UVC设备驱动初始化入口为uvcg_video_init而主机端
前面有篇文件介绍过使用DCT（离散余弦）变换进行图像处理的例子：Matlab一探DCT/IDCT变换在图像压
MACE 是小米公司自研的移动端深度学习框架 Mobile AI Compute Engine，2017年12月15日于公司内部正式发布。2018年6月28日，在“2018（第十三届）开源中国开源世界高峰论坛”上，小米公司人工智能与云平台副总裁崔宝秋博士宣布开源 MACE，赋能中国 AI 产业，以期推动移动端深度学习的发展。资料官方手册：https://buildmedia.readthedo
关于protobuf的介绍和应用参考git clone https://github.com/protocolbuffers/protobuf.gitgit reset到最新版本git submodule update --init --recursive 编译，执行./autogen.sh./configure编译： 检查make check(base) caozilong@
前处理归一化，mobilenet的归一化参数如下，这些奇奇怪怪的数字是怎么来的呢？ 这是imagenet数据集的标准的均值和方差，Imagenet数据集的均值和方差为：mean=(0.485, 0.456, 0.406)，std=(0.229, 0.224, 0.225)，因为这是在百万张图像上计算而得的，所以我们通常见到在训练过程中使用它们做标准化，这是0-1图片的均值方差，对于0-2
：cd
相信很多人都知道3Blue1Brown，这是一个由斯坦福大学的数学系学生Grant Sanderson创建的YouTube频道。该频道从独特的视觉角度解说高等数学，内容包括线性代数、微积分、神经网络、黎曼猜想、傅里叶变换以及四元数等等。本人通过该视频频道获得了很多启发，同时也对其精良的视频制作技术产生了浓厚的兴趣。偶然
本文基于anaconda python3.8.5环境搭建关于环境的安装参考下载环境首先下载pytorch yolov3的推理和训练开发环境git clone https://github.com/ultralytics/yolov3我们在默认的主分支上耍安装依赖包 执行:pip install -r ./requirements.txt有几个比较大的包，比如torch，opencv等需要
Pytorch开发环境搭建清参考这篇文章import torch import matplotlib.pyplot as pltdef create_linear_data(nums_data, if_plot= False): """ Create data for linear model Args: nums_data: how many data point
CUDA的全称是Compute Unified Device Architecture,是显卡厂商NVIDIA推出的运算平台，开发者可以使用C语言来
YOLOV3推理环境搭建参考文章：建立darknet的环境参考上面的文章，搭建darknet环境,这里需要注意的是darknet使用如下的源https://github.com/AlexeyAB/darknet本文使用的就是如上的源,便以前记得把CUDA和OPENCV的支持打开，按照上面博客的方法安装OPENCV依赖包：之后编译darknet项目，并验证YOLOV3推理是否可以成功进行。下载COC
首先参考下面几篇文章安装darknet,cuda的基础环境: 安装CUDANNNvidia显卡驱动和CUDA驱动安装好之后，通过nvidia-smi命令验证安装效果，如果出现下面的界面，则证明安装OK之后，就可以打开darknet/Makefile中的配置FLAG， GPU=1，OPENCV=1（事先安装OPENCV）即可编译成功，但是此如如果打开CUDANN=1，则会报告如下错误：所以
Copyright © 2005-2025 51CTO.COM 版权所有 京ICP证060544号
