第36步 深度学习图像识别：TensorFlow-gpu环境配置
样，首先把必要的深度学习框架（类似做ML分类，要依赖sklearn包）安装好，然后就无脑撸代码。 深度学习框架提供了丰富的工具和库，以支持深度学习模型的开发和训练。目前深度学习的几个主要框架： （1）TensorFlow（谷歌开发）：TensorFlow是一个广泛使用的开源深度学习框架，提供了丰富的工具和库，可用于构建各种类型的神经网络模型。它拥有强大的计算图和自动求导功能，并提供了高级抽象层，如Keras，...
tensorflow及其keras如何保存模型
、CCF等比赛获得多次Top名次。现为CSDN博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的知识进行总结与归纳，不仅形成深入且独到的理解，而且能够帮助新手快速入门。 本文主要介绍tensorflow及其keras保存并加载模型的实战代码，在经过了亲身的实践后，终于找到了可复现的实战代码，最终将详细的代码总结如下，希望能对学习tensorflow2/keras的同学有所帮助。 文章目录 1...
jetson nano csi摄像头 tensorrt 运行yolov8检测
jetson nano csi摄像头 tensorrt 运行yolov8检测 1. 在本地电脑训练环境下将onnx模型导出 yolov8 导出onnx 模型 使用onnxsim优化onnx 模型 2. 在jetson nano下 转换到tensorrt模型 配置好环境后 使用trtexec 生成engine 使用python tensorrt 读取csi摄像头进行预测 1. 在本地电脑训练环境下将onnx模...
睡岗识别 TensorFlow
睡岗识别可以通过TensorFlowAI深度学习框架智能分析技术，睡岗识别识别出现场人员是否存在睡岗情况，及时发出预警，避免因操作人员的疏忽而导致的安全事故。TensorFlow 是一个开源的机器学习的框架，我们可以使用 TensorFlow 来快速地构建神经网络，同时快捷地进行网络的训练、评估与保存。也正是因为 TensorFlow 是一个开源的软件库，因此只要我们安装了 TensorFlow，我们就可以使...
cuda数据初始化libtorch tensor
gpt：如何用显存cuda上memcpy的数据去初始化libtorch的tensor？ 我们可以使用CUDA的cudaMemcpy()函数将数据从主机（CPU）内存复制到GPU内存，然后使用这些数据初始化libtorch中的Tensor对象。具体步骤如下： 定义一个指向主机内存中数据的指针，并分配一段大小为n * m的内存。n和m分别为矩阵的行数和列数。 对于给定大小的n和m，使用torch::empty()...
Pytorch, tensor存储机制
tensor在内存的储存，分为两个部分(也就是说一个tensor占用了两个内存位置)，一个内存储存了这个tensor的形状size、步长stride、数据的索引等信息，我们把这一部分称之为头信息区（Tensor）；另一个内存储的就是真正的数据，我们称为存储区 （Storage）。 类似TCP IP，地址头，及存储空间。C语言的结构体也可以实现这种。 1）storage().data_ptr() 可见不同元素的...
模型实战（10）之win10下tensorRT部署yolov5算法
win10下tensorRT部署yolov5算法 针对yolov5的众多版本，目前有几种部署方法： 1.tensorrtx:大神针对众多网络模型（包含yolov5众多版本）开源的一个转换工具，部署方式为：.onnx -> .wts -> .engine 2.yolov5官方export.py导出onnx，通过C++或者python版的tensorrt函数接口进行编译（build），直接转换为.engine；...
深入剖析PyTorch和TensorFlow：理解二者的区别与联系
深入剖析PyTorch和TensorFlow：理解二者的区别与联系 深度学习框架在近年来的快速发展中发挥了至关重要的作用，其中PyTorch和TensorFlow是最受欢迎的两个框架。它们各自具有独特的特点和优势，但也有一些相似之处。本文将深入剖析PyTorch和TensorFlow，从原理、代码实现等方面对它们进行详细介绍，帮助读者更好地理解二者的区别与联系。 1. PyTorch与TensorFlow简...
Python TensorFlow深度神经网络回归：keras.Sequential
本文介绍基于Python语言中TensorFlow的Keras接口，实现深度神经网络回归的方法。目录1 写在前面2 代码分解介绍2.1 准备工作2.2 参数配置2.3 数据导入与数据划分2.4 联合分布图绘制2.5 因变量分离与数据标准化2.6 原有模型删除2.7 最优Epoch保存与读取2.8 模型构建2.9 训练图像绘制2.10 最优Epoch选取2.11 模型测试、拟合图像绘制、精度验证与模型参数...
Win10下yolov8 tensorrt模型加速部署【实战】
Win10下yolov8 tensorrt模型加速部署【实战】TensorRT-Alpha基于tensorrt+cuda c++实现模型end2end的gpu加速，支持win10、linux，在2023年已经更新模型：YOLOv8, YOLOv7, YOLOv6, YOLOv5, YOLOv4, YOLOv3, YOLOX, YOLOR,pphumanseg,u2net,EfficientDet。关注仓库...