周同学文章汇总

前言

随着博主记录的笔记越来越多，查找也越来越困难，有时自己都要找半天，所以这边记录下博主发布的所有文章，方便管理，以专栏为划分，后续有新的文章也会添加进来

1. C++

本专栏原本是想记录刷题的一些过程的，后来…

专栏地址：https://blog.csdn.net/qq_40672115/category_12039077.html

• C++字符串与字符数组详解

2. Linux

本专栏主要记录 Linux 和 vscode 的一些指令

专栏地址：https://blog.csdn.net/qq_40672115/category_11958715.html

• Ubuntu常用命令
• SSH和VScode远程开发
• VScode常用指令
• 从零Makefile落地算法大项目
• Jetson nano开机自启动程序

3. 环境配置

本专栏主要记录一些项目的环境配置和常用软件的安装

专栏地址：https://blog.csdn.net/qq_40672115/category_12093997.html

• Ubuntu20.04软件安装大全
• Lidar AI Solution环境配置
• Visual Studio 2017安装和项目配置

4. Algo C++

杜老师推出的面向 AI 算法的 C++ 课程笔记，讲得是真滴好，可惜没后续了

专利地址：https://blog.csdn.net/qq_40672115/category_12297296.html

• AlgoC++：课程介绍
• AlgoC++第一课：求解根号2
• AlgoC++第二课：线性回归
• AlgoC++第三课：C++世界观
• AlgoC++第四课：逻辑回归
• AlgoC++第五课：基于矩阵的算法实现
• AlgoC++第六课：BP反向传播算法
• AlgoC++第七课：手写Matrix
• AlgoC++第八课：手写BP
• AlgoC++第九课：手写AutoGrad
• AlgoC++：课程总结

5. Makefile

本专栏主要记录博主学习杜老师推荐的 Makefile 教程的一些笔记

专栏地址：https://blog.csdn.net/qq_40672115/category_12263266.html

• Makefile第一课：介绍
• Makefile第二课：简单编译原理
• Makefile第三课：C语言的编译
• Makefile第四课：C++的编译
• Makefile第五课：Makefile介绍
• Makefile第六课：Makefile变量
• Makefile第七课：Makefile常用符号
• Makefile第八课：Makefile常用函数
• Makefile第九课：Makefile条件控制
• Makefile第十课：Makefile编译
• Makefie第十一课：Makefile静态库
• Makefile第十二课：Makefile动态库
• Makefile库文件详解
• Makefile实战
• 从零Makefile落地算法大项目

6. 模型部署

本专栏偏实战，主要记录博主在嵌入式/服务器端部署模型的一些过程以及学到的一些部署知识

专栏地址：https://blog.csdn.net/qq_40672115/category_11970990.html

• Jetson嵌入式系列模型部署-1
• Jetson嵌入式系列模型部署-2
• Jetson嵌入式系列模型部署-3
• Jetson nano部署YOLOv7
• Jetson nano部署YOLOv8
• Jetson nano部署剪枝YOLOv8
• Ubuntu20.04部署YOLOv5
• infer源码阅读之yolo.cu
• 高性能流媒体硬解码
• 如何熟练的使用trtexec
• 复杂onnx解决方案（以sparseconv为例）
• tensorRT模型性能测试
• cuOSD(CUDA On-Screen Display Library)库的学习
• YUVToRGB(CUDA Conversion)库的学习
• 卡尔曼滤波（Kalman Filter）原理浅析-图例分析
• 卡尔曼滤波（Kalman Filter）原理浅析-数学理论推导-1
• 卡尔曼滤波（Kalman Filter）原理浅析-数学理论推导-2
• 卡尔曼滤波（Kalman Filter）原理浅析-数学理论推导-3
• 卡尔曼滤波（Kalman Filter）原理浅析-数学理论推导-4
• YOLOv5-PTQ量化部署
• YOLOv5-QAT量化部署
• YOLOv7-PTQ量化部署
• YOLOv7-QAT量化部署
• YOLOv5推理详解及预处理高性能实现
• YOLOv8推理详解及部署实现
• YOLOv8-Cls推理详解及部署实现
• YOLOv8-Seg推理详解及部署实现
• YOLOv8-OBB推理详解及部署实现
• YOLOv8-Pose推理详解及部署实现
• RT-DETR推理详解及部署实现
• CUDA基础教程文档记录

7. tensorRT从零起步高性能部署

杜老师推出的 tensorRT 课程笔记，原理+代码实战，强烈建议大家学习

专栏地址：https://blog.csdn.net/qq_40672115/category_12369462.html

• 1.前言和介绍
• 2.1.cuda驱动API-概述
• 2.2.cuda驱动API-初始化和检查的理解，CUDA错误检查习惯
• 2.3.cuda驱动API-上下文管理设置及其作用
• 2.4.cuda驱动API-使用驱动API进行内存分配
• 3.1.cuda运行时API-概述
• 3.2.cuda运行时API-第一个运行时程序，hello-cuda
• 3.3.cuda运行时API-内存的学习，pinnedmemory，内存效率问题
• 3.4.cuda运行时API-流的学习，异步任务的管理
• 3.5.cuda运行时API-核函数的定义和使用
• 3.6.cuda运行时API-共享内存的学习
• 3.7.cuda运行时API-使用cuda核函数加速warpaffine
• 3.8.cuda运行时API-使用cuda核函数加速yolov5后处理
• 3.9.cuda运行时API-错误处理的理解以及错误的传播特性
• 4.1.tensorRT基础(1)-概述
• 4.2.tensorRT基础(1)-第一个trt程序，实现模型编译的过程
• 4.3.tensorRT基础(1)-实现模型的推理过程
• 4.4.tensorRT基础(1)-模型推理时动态shape的具体实现要点
• 4.5.tensorRT基础(1)-onnx文件及其结构的学习，编辑修改onnx
• 4.6.tensorRT基础(1)-实际模型上onnx文件的各种操作
• 5.1.tensorRT基础(2)-正确导出onnx的介绍，使得onnx问题尽量少
• 5.2.tensorRT基础(2)-使用onnx解析器来读取onnx文件（源码编译）
• 5.3.tensorRT基础(2)-从下载onnx-tensorrt到配置好并运行起来
• 5.4.tensorRT基础(2)-学习第一个插件的编写
• 5.5.tensorRT基础(2)-封装插件过程，并实现更容易的插件开发
• 5.6.tensorRT基础(2)-学习编译int8模型，对模型进行int8量化
• 6.1.tensorRT高级(1)-概述
• 6.2.tensorRT高级(1)-第一个完整的分类器程序
• 6.3.tensorRT高级(1)-yolov5模型导出、编译到推理（无封装）
• 6.4.tensorRT高级(1)-UNet分割模型导出、编译到推理（无封装）
• 6.5.tensorRT高级(1)-alphapose模型导出、编译到推理（无封装）
• 6.6.tensorRT高级(1)-mmdetection框架下yolox模型导出并推理
• 6.7.tensorRT高级(1)-使用onnxruntime进行onnx模型推理过程
• 7.1.tensorRT高级(2)-使用openvino进行onnx的模型推理过程
• 7.2.tensorRT高级(2)-学习深度学习中涉及的线程知识
• 7.3.tensorRT高级(2)-future、promise、condition_variable
• 7.4.tensorRT高级(2)-使用RAII接口模式对代码进行有效封装
• 7.5.tensorRT高级(2)-RAII接口模式下的生产者消费者多batch实现
• 8.1.tensorRT高级(3)封装系列-模型编译过程封装，简化模型编译代码
• 8.2.tensorRT高级(3)封装系列-内存管理的封装，内存的复用
• 8.3.tensorRT高级(3)封装系列-tensor封装，索引计算，内存标记及自动复制
• 8.4.tensorRT高级(3)封装系列-infer推理封装，输入输出tensor的关联
• 8.5.tensorRT高级(3)封装系列-基于生产者消费者实现的yolov5封装
• 8.6.tensorRT高级(3)封装系列-终极封装形态，以及考虑的问题
• 8.7.tensorRT高级(3)封装系列-调试方法、思想讨论
• 9.1.tensorRT高级(4)封装系列-自动驾驶案例项目self-driving-道路分割分析
• 9.2.tensorRT高级(4)封装系列-自动驾驶案例项目self-driving-深度估计
• 9.3.tensorRT高级(4)封装系列-自动驾驶案例项目self-driving-车道线检测
• 9.4.tensorRT高级(4)封装系列-使用pybind11为python开发扩展模块
• tensorRT从零起步高性能部署：课程总结

8. 保姆级从零手写自动驾驶CV

杜老师手写自动驾驶 CV 公开课笔记，停更了…

专栏地址：https://blog.csdn.net/qq_40672115/category_12257618.html

• AutoCV第一课：Python基础
• AutoCV第二课：Python基础
• AutoCV第三课：Python和ML基础
• AutoCV第四课：Python基础
• AutoCV第五课：Python基础
• AutoCV第六课：Python基础
• AutoCV：Python基础总结
• AutoCV第七课：ML基础
• AutoCV第八课：3D基础
• AutoCV第九课：ML基础
• AutoCV第十课：3D基础
• AutoCV第十一课：DL基础
• AutoCV番外：Transformer

9. 剪枝与重参

手写 AI 推出的剪枝与重参课程笔记

专栏地址：https://blog.csdn.net/qq_40672115/category_12274545.html

• 剪枝与重参：剪枝引言
• 剪枝与重参第一课：修剪结构和标准
• 剪枝与重参第二课：修剪方法和稀疏训练
• 剪枝与重参第三课：常用剪枝工具
• 剪枝与重参第四课：NVIDIA的2:4剪枝方案
• 剪枝与重参第五课：前置知识
• 剪枝与重参第六课：基于VGG的模型剪枝实战
• 剪枝与重参第七课：YOLOv8剪枝
• 剪枝与重参第八课：ACNet重参
• 剪枝与重参第九课：DBB重参
• 剪枝与重参第十课：RepVGG重参
• 剪枝与重参：课程总结
• Jetson nano部署剪枝YOLOv8
• 推理引擎之模型压缩浅析

10. 量化

手写 AI 推出的量化课程笔记，同时记录博主平时学习模型量化项目的一些知识，实战课还没看完，拖了几个月了

专栏地址：https://blog.csdn.net/qq_40672115/category_12092799.html

• TensorRT量化第一课：量化的定义及意义
• TensorRT量化第二课：对称量化与非对称量化
• TensorRT量化第三课：动态范围的常用计算方法
• TensoRT量化第四课：PTQ与QAT
• 如何熟练的使用trtexec
• YOLOv5-PTQ量化部署
• YOLOv5-QAT量化部署
• YOLOv7-PTQ量化部署
• YOLOv7-QAT量化部署
• 推理引擎之模型压缩浅析
• TensorRT量化实战课YOLOv7量化：pytorch_quantization介绍
• TensorRT量化实战课YOLOv7量化：YOLOv7-PTQ量化(一)
• TensorRT量化实战课YOLOv7量化：YOLOv7-PTQ量化(二)
• TensorRT量化实战课YOLOv7量化：YOLOv7-QAT量化

11. 国内首个BVE感知全栈系列学习教程

自动驾驶之心推出的 BEV 感知课程笔记，柒柒老师的讲解还是非常 nice 的，对 BEV 感知算法感兴趣的可以看看，还剩几个实战部分没有看

专栏地址：https://blog.csdn.net/qq_40672115/category_12510007.html

• 一. BEV感知算法介绍
• 二. BEV感知算法基础模块讲解
• 三. LiDAR和Camera融合的BEV感知算法-融合算法的基本介绍
• 三. LiDAR和Camera融合的BEV感知算法-BEV-SAN
• 三. LiDAR和Camera融合的BEV感知算法-BEVFusion
• 三. LiDAR和Camera融合的BEV感知算法-BEVFusion实战
• 四. 基于环视Camera的BEV感知算法-环视背景介绍
• 四. 基于环视Camera的BEV感知算法-DETR3D
• 四. 基于环视Camera的BEV感知算法-BEVFormer
• 四. 基于环视Camera的BEV感知算法-BEVDet
• 四. 基于环视Camera的BEV感知算法-BEVDet4D
• 四. 基于环视Camera的BEV感知算法-PETR
• 四. 基于环视Camera的BEV感知算法-BEVDepth
• 四. 基于环视Camera的BEV感知算法-BEVDistill
• 四. 基于环视Camera的BEV感知算法-BEVFormer实战

12. CUDA与TensorRT部署实战课程

自动驾驶之心推出的 CUDA 与 TensorRT 部署实战课程笔记，博主先从第八章 CUDA-BEVFusion 看的，因为想看完之后再看手写 AI 的 BEVFusion 课程，不过进度着实有点慢

专栏地址：https://blog.csdn.net/qq_40672115/category_12541646.html

• 八. 实战：CUDA-BEVFusion部署分析-环境搭建
• 八. 实战：CUDA-BEVFusion部署分析-spconv原理
• 八. 实战：CUDA-BEVFusion部署分析-导出带有spconv的SCN网络的onnx
• 八. 实战：CUDA-BEVFusion部署分析-学习spconv的优化方案(Explicit GEMM conv)
• 八. 实战：CUDA-BEVFusion部署分析-学习spconv的优化方案(Implicit GEMM conv)