目前主流的Python开发IDE主要有PyCharm、JupterNotebook，VsCode等，以前主流时PyCharm，随着VsCode插件的丰富，目前VsCode已经成为主流的顶流了。本文将采用Anaconda+VsCode+JupyterNotebook的方案，环境安装完毕后，将拥有Python运行环境、常见的Python库例如python三剑客：Numpy、matplotlib、pandas、机器学习库sklearn全都有了。

使用TensorFlow, ONNX和TensorRT加速深度学习推理在这篇文章中，您将了解如何使用新的 TensorFlow-ONNX-TensorRT 工作流程部署经过 TensorFlow 训练的深度学习模型。 本教程使用 NVIDIA TensorRT 8.0.0.3 并提供两个代码示例，一个用于 TensorFlow v1，一个用于 TensorFlow v2。 TensorRT 是一个推理加速器。首先，使用任何框架训练网络。 网络经过训练后，批大小和精度是固定的（精度为 FP32、FP16

CUDA实例系列三:利用GPU优化向量规约问题先简单的描述一下题目中说的向量规约问题.这里举个例子, 比如:我要求出1+2+3…+100的和我要求出123…*100的积我要找到a[100]中所有元素的最大值我要找到a[100]中所有元素的最小值诸如上边的问题, 我们可以简单的将其分解:1 op 2 op 3 op 4…op 100这里的op代表一种操作, 操作的结果不会被顺序影响.这时, 我们就可以将其分解为:(1 op 2) op (3 op 4)…op (99 op 100)

python+uiautomation实现批量给微信好友/群聊发消息，真的很实用，来试试看吧

计算机视觉实操之图像处理一、问题描述二、效果图三、代码附录一、问题描述向图片中分别加入椒盐噪声、高斯噪声，使用四种不同的滤波器观察图片的处理效果(算术均值滤波、几何均值滤波 、谐波均值滤波 、逆谐波均值滤波)二、效果图三、代码附录import cv2import numpy as npimport matplotlib.pyplot as pltimport scipyimport scipy.statsimport randomdef GaussieNoisy(image,si

机器学习一、问题描述二、效果图三、代码附录KNN算法模板匹配算法模板匹配算法二四、数据集附录一、问题描述采用KNN，模板匹配两种方法进行机器学习，切分训练集和测试集，从而实现对数据集的识别。这里的例子采用的数据集是200张图片，包括手写的不同的0-9图片各20张，以此观察KNN算法和模板匹配算法下对于图片的识别的准确度差别。二、效果图三、代码附录KNN算法import numpy as npimport osimport cv2from sklearn.model_selectio

图片修复、图片恢复一、问题描述二、效果图三、代码附录一、问题描述利用算法处理受损受污染的图片，使其尽量复原二、效果图三、代码附录去污算法一import cv2from matplotlib import pyplot as pltfrom cv2 import INPAINT_NSfrom cv2 import INPAINT_TELEAimg = cv2.imread('')mask = cv2.imread('',0)dst1 = cv2.inpaint(img,mask

初识python的numpy库，更早走进机器学习的大门

矩阵转置优化矩阵转置是CUDA初学者们刚开始面临的一个比较绕的问题, 他的"绕"在于其中坐标的转换, 以及使用Shared Memory来解决合并访存的过程.在很多实际项目或应用中, 矩阵转置多数都是其中一个步骤.接下来我就来解释下如何利用CUDA优化矩阵转置问题.首先, 解释下矩阵转置矩阵转置按照矩阵转置的公式，我们设定（按照下图所示）输入矩阵为: A[16][16] M=16输出矩阵为: B[16][16]保证：A[y][x] = B[x][y]接下来, 话不多说直接上代码(不要划

使用Torch-TensorRT在PyTorch中将推理速度提高6倍我对Torch-TensorRT感到兴奋，这是PyTorch与NVIDIA TensorRT的新集成，它用一行代码就可以加速推理。PyTorch是当今领先的深度学习框架，在全球拥有数百万用户。TensorRT是一个用于跨gpu加速平台的高性能、深度学习推理的SDK，运行在数据中心、嵌入式和汽车设备上。这种集成使得PyTorch用户在使用TensorRT时可以通过简化工作流获得极高的推断性能。什么是 Torch-TensorRT

tensorflow object detection api框架安装指南

使用Grid-Stride循环编写灵活的内核CUDA 编程中最常见的任务之一是使用内核并行化循环。 举个例子，让我们用我们的老朋友 SAXPY。 这是使用 for 循环的基本顺序实现。 为了有效地并行化，我们需要启动足够多的线程来充分利用 GPU。void saxpy(int n, float a, float *x, float *y){ for (int i = 0; i < n; ++i) y[i] = a * x[i] + y[i];}常见的 CUDA 指

CUDA 中私有数组的快速动态索引有时候你需要在你的GPU内核中使用小型的每个线程私有的数组。访问这些数组中的元素的性能取决于许多因素。在这篇文章中，我将介绍几个常见的场景，从快速静态索引到更复杂、更具挑战性的用例。静态索引在讨论动态索引之前，让我们先简要了解一下静态索引。 对于所有索引在编译时都是已知常量的小数组，如以下示例代码所示，编译器将数组的所有访问元素放入寄存器中。__global__ void kernel1(float * buf){ float a[2]; ...

Linux 查看已经加载的驱动之间的依赖关系cat /lib/modules/$(uname -r)/modules.dep

Numpy+matplotlib数据可视化这两个模块相应的笔记已经上传到我的资源当中了，目前还是免费的欢迎大家可以下载使用。如果有不会使用jupytrt或者没有下载jupyter的小伙伴可以参考：正文部分//1.导入所需模块import numpy as npimport matplotlib.pyplot as pltfrom module import plt_view as pv'''# plt.plot(*args, **kwargs)# 参数说明：# *args：可

又到了一年一度的520了，单身的小哥哥们准备好向心仪的小姐姐表白了吗？今天我们用属于程序员的浪漫来向心中的那个完美女生表白~

很多朋友在学习CUDA的时候都会面临一个题目----矩阵乘法, 这也是CUDA最广泛的应用之一. 本文将详细讲解如何利用GPU加速矩阵乘法的计算.话不多说, 先上代码, 再解释

NVIDIA Maxine是一套GPU加速的SDK，它用人工智能重塑了音频和视频，提升了标准麦克风和摄像头的能力。Maxine提供最先进的实时人工智能音频、视频和增强现实功能，可内置到端到端深度学习流程中。使用一个标准的摄像头，使实时身体姿态识别成为可能。能够让您享受有趣、迷人的AR效果。

人脸口罩检测(含运行代码+数据集)本教程目的为让开发者了解深度学习中的完整流程，这包括：1.数据集导入及预处理流程2.网络模型选择及参数设置流程3.模型训练及导出流程4.模型加载/优化并得出推断结果项目源码以及数据集下载:https://download.csdn.net/download/kunhe0512/85360655本教程采用了以下主要的软硬件环境：1.NVIDIA Xavier NX2.Jetpack 4.63.TensorRT 8.0.14.Pytorch 1