darknet接口设计思路 概述 经过分析，我首先承认原作者提供的接口具有普适性、易读性和示范性，但是终归只是起示范作用，在性能方面是低效的，主要体现在下面几个方面 强调顺序性：充分利用了框架中定义的函数，按照步骤一步一步的进行参数传递，计算，结果返回，然而这中间很多步骤存在大量的冗余计算。 框架中边缘功能API实现低效：为了充分发挥平台的算力，我们...

GPGPU-Sim 1 环境搭建 前一篇文章我们简要介绍了GPGPU-Sim概况，那么本文主要介绍GPGPU-Sim的环境搭建。 GPGPU-Sim环境搭建主要有三种方式： 直接安装 下载官方虚拟机 前两项的折衷 GPGPU-Sim用CPU单线程来模拟GPU的多线程，那么必然会降低运行速度，直接安装的效果相对是最快的，而使用虚拟机则是最慢的选择，那我们分别来介绍这三种...

GPGPU-Sim 纵览 Overview 写在前面的话，作为当年连一块NVIDIA GPU都没有的实验室初代探索者，我们只能通过模拟器来学习GPU如何工作的，三年来，从一开始的一穷二白到现在的1080Ti，也算是见证了实验室的发展。 言归正传，GPGPU-Sim是UBC Tor Aamodt 组发表在ISPASS2009 会议上的一个cycle级别的模拟器，我在2015年下半年时引用...

C与CUDA混合编译动态链接文件.so 1.需求 由于需要生成动态链接库来被其他接口调用，因此我们需要编译成.so 2.实现 参考文献【1】用很简单的例子讲述了c和C++语言在Linux下如何编译成动态链接库。 方法很简单，只要加上编译选项-shared和fPIC即可 gcc test_a.c test_b.c test_c.c -fPIC -shared -o libtes...

前言 fast rcnn是Ross B. Girshick对RCNN的一个优化,性能上有了显著提升,然而在现在看来这个模型已经相对过时,在性能较低的设备上难以做到实时.但github上的fast-rcnn项目中包含大量工具脚本,是一个caffe入门的优秀选择,在这里简单介绍一下环境的搭建以及版本问题的解决. 环境介绍 x86_64,arm均尝试过 ubuntu 16.04 L...

作为标准数据集，voc-2007 是衡量图像分类识别能力的基准，faster-rcnn，yolo -v1, yolo-v2都以此数据集作为演示样例。 数据集的组成架构如下： Annotations —目标真值区域 ImageSets —-类别标签 JPEGImages —–图像 SegmentationClass SegmentationOb...

SSD（Single Shot MultiBox Detector）算是一个比较不错的目标检测算法，主攻方向是速度，当然精度也比Yolo提高了一些，最近在ubuntu16.04下实现了代码运行，此博文主要内容来自原作者的github，加上了一些个人理解，欢迎探讨。 **PS：SSD代码和模型常常在更新，我给的链接可能不是最新版，如运行出错请参看官方github。** 准备工作：linux+c...

yolo训练日志 通过两天的训练,得到训练后的权值,效果有喜有忧. 数据量的大小对训练的影响. 第一次训练的图片约为6000张 第一次训练的图片约为94000张 迭代次数为120000次 准确度是否与数据集大小成正相关? 但是效果却不明显. 参数设置对训练的影响 net # batch：每次迭代要进行训练的图片数量 # subdivisi...

cudnn Installation in Linux 安装教程相对简单,实际原理就是将 cudnn的库加入 cuda 的 include 和 lib 文件夹中 0.前提 此方法适用于Linux 系统,常见的 Ubuntu ,Debian 等等 首先你的系统已经成功安装好 CUDA toolkit 从官方网站上下载 cudnn 的压缩包(很多版本,下载你需要的),需要登录...

（旧站点迁移） 0.Over View yolo作为一个目标检测的模型,它相对突出的地方就是实时. 最新yolo9000这篇论文相对于SSD等模型也不落下风,由于我们要运行的平台是嵌入式平台,其计算资源非常有限,所以我们就需要对于实时性要求更高的模型. 前面踩得坑有 faster-rcnn,ssd,goturn等,也会有相关文章介绍. 1.安装过程 首先,我们来到YOLO官方网站...