ncnn

MNN和NCNN安装记录

安装cmakewgethttps://github.com/Kitware/CMake/releases/download/v3.15.0-rc1/cmake-3.15.0-rc1.tar.gztar-zxvfcmake-3.15.0-rc1.tar.gzcdcmake-3.15.0-rc1./bootstrapmake–jmakeinstallcmake–versionpkg-config--l
时光_机·2019-06-21 20:39

第三天

第三天nnie移植失败了暂时先放着吧，既然硬核跑不了，先试一下软核，使用ncnn框架来部署目标检测模型1、交叉编译opencvTargetRoot选择交叉编译工具链的bin目录就行其余的默认然后开始编译
西红柿爱吃小番茄·2019-06-11 09:34

DnCNN

BeyondaGaussianDenoiser:ResidualLearningofDeepCNNforImageDenoising,IEEETrans.onImageProcessing,2017”NetworkArchitectureDnCNNs
要奋斗的人儿~·2019-06-09 16:36

pc_win10_x64安装ncnn，并使用vulkan

只是简单记录，免得以后忘记参考：https://github.com/Tencent/ncnn/wiki/how-to-build#build-for-windows-x64-using-visual-studio-community
kai1001·2019-06-06 14:29

深度学习模型转换

再比如某机构主要以TensorFlow作为基础的深度学习开发框架，现在有一个深度算法项目，需要将其部署在移动设备上，并希望使用速度较优的ncnn前向框架，以观测变现等等。
jasonaidm·2019-05-24 20:24

Mxnet模型转化为ncnn模型，并验证转化正确性

一、背景同时已经训练好一个基于Mxnet的人脸属性检测模型，为了适应项目需要要将Mxnet转为ncnn模型。Mxnet模型格式如下：二、预期目标利用上述模型，可以实现人脸属性的检测。
小坏包·2019-05-23 15:32

卷积神经网络中的Winograd快速卷积算法

1Dwinograd1Dto2D，F(2,3)toF(2x2,3x3)卷积神经网络中的Winograd总结参考博客：blog.shinelee.me|博客园|CSDN写在前面随便翻一翻流行的推理框架（加速器），如NCNN
shine-lee·2019-05-22 16:00

卷积神经网络中的Winograd快速卷积算法

1Dwinograd1Dto2D，F(2,3)toF(2x2,3x3)卷积神经网络中的Winograd总结参考博客：blog.shinelee.me|博客园|CSDN写在前面随便翻一翻流行的推理框架（加速器），如NCNN
李拜六不开鑫·2019-05-22 16:01

ncnn 载入insightface训练好的性别年龄识别模型 - sinat_31425585的博客 - CSDN博客

模型转换从insightface项目中下载mxnet模型：https://github.com/deepinsight/insightface/tree/master/gender-age/model2、使用ncnn
·2019-05-15 18:00

计算机视觉面试常见问题（含解答）

CNNCNN在图像上表现好的原因直接将图像数据作为输入，不仅无需人工对图像进行预处理和额外的特征抽取等复杂操作，而且以其特有的细粒度特征提取方式，使得对图像的处理达到了几近人力的水平。
bluesliuf·2019-04-18 21:44

移动端的深度学习——用TensorFlow lite实现

目前已经出现的很多的可以在移动端使用的框架caffe2、TensorFlowLite、CNNdroid、百度MDL（mobile-deep-learning）、腾讯NCNN、亚马逊MXNet等，我们可以直接在移动端进行开发
逆光下奔跑的小H·2019-04-16 20:00

过拟合处理方法汇总

过拟合处理方法汇总个人分类：PythonCNN1.震荡：batchsize设置过小，建议适当增大增大batch_size内存利用率以及速度都会提高，但是batchsize过大可能导致内存溢出2.val_loss
baidu_huihui·2019-04-10 16:54

第二篇|腾讯开源项目盘点：ncnn、xLua、libco等

1、为手机端极致优化的高性能神经网络前向计算框架ncnnstar:5666ncnn是一个为手机端极致优化的高性能神经网络前向计算框架。ncnn从
腾讯技术工程·2019-03-31 16:00

ncnn 载入insightface训练好的性别年龄识别模型

模型转换从insightface项目中下载mxnet模型：https://github.com/deepinsight/insightface/tree/master/gender-age/model2、使用ncnn
MirrorYuChen·2019-03-28 21:14

NCNN Linux 版本编译方法

NCNNLinux版本编译方法NCNNAndroid版本编译方法可以参考如下文章：NCNN-适用于移动端的高性能神经网络前向计算框架NCNNLinux版本编译方法有所不同，依赖也不一样。
ZONE画派·2019-03-27 16:19

腾讯NCNN运行Mobilenet-SSD检测视频

腾讯NCNN运行Mobilenet-SSD检测视频1源码下载与修改gitclonehttps://github.com/GuoJaw/MobileNetSSD_NCNN下载后的文件列表如下将自己的mobilenet.param
la_fe_·2019-03-20 14:37

基于insightface训练mobilefacenet的相关步骤及ncnn转换流程

5月16日更新经多位网友的共同实验，原方案部分情况下迭代次数稍微不足，导致最终识别率略有小差异，为了相对容易获得论文的最佳结果，对训练方案进行简单更新，实际训练也可根据数据acc训练是否已稳定来判断lr下降的迭代次数：适当增大softmax迭代次数，4万-->12万；增大arcface第一级lr0.1的迭代次数，8万-->12万；ps：无闲置机器，暂不再更新log。该项目训练步骤，已验证mobil
·2019-03-15 22:00

Ubuntu离线安装protobuf-3.7.0、ncnn

1、下载安装包protobufgitclonehttps://github.com/protocolbuffers/protobuf.git2、使用普通用户安装protobufcdprotobuf/cmakemkdirbuildvimCMakeLists.txt在139行加入set(protobuf_SHARED_OR_STATIC"SHARED")cmake../-Dprotobuf_BUILD
m41201m·2019-03-12 17:19

NCNN - 适用于移动端的高性能神经网络前向计算框架

NCNN-适用于移动端的高性能神经网络前向计算框架简述ncnn是一个为手机端极致优化的高性能神经网络前向计算框架。ncnn从设计之初深刻考虑手机端的部署和使用。
ZONE画派·2019-03-07 19:11

论文解读: Quantized Convolutional Neural Networks for Mobile Devices

/paper_118.html论文地址：https://arxiv.org/abs/1512.06473源码地址：https://github.com/jiaxiang-wu/quantized-cnnCNN
SIGAI_csdn·2019-03-04 18:29

tensorflow模型转ncnn

第一步把tensorflow保存的.ckpt模型转为pb模型,并记下模型的输入输出名字.第二步去ncnn的github上把仓库clone下来,按照上面的要求装好依赖并make.第三步是修改ncnn的CMakeList
MatthewHsw·2019-02-28 20:35

计算机视觉（十一）：目标检测算法：R-CNN、Fast R-CNN、Faster R-CNN

在基于深度学习的目标检测技术中，就不得不提到最著名的三个算法了R-CNNFastR-CNNFasterR-CNN下面就让我们来一起学习一下这三个算法2R-CNNR-CNN（RegionCNN，区域卷积神经网络
LiAnG小炜·2019-02-22 10:59

Ncnn使用详解(2)——Android端 - DmrfCoder的博客 - CSDN博客

摘要本片文章基于你已经完成了这篇文章的学习，主要介绍如何将写好的c代码应用到Android项目中。环境说明系统：Ubuntu16.04软件：AndroidStudio前期准备之ndk安装在正式开始前我们需要先下载安装ndk，这里介绍一种简单高效的方式，打开AndroidStudio，然后依次点击File->Settings->Appearance&Behavior->SystemSettings-
·2019-02-17 17:00

Keras文本分类

文章目录内置样本序列截断或补齐为等长词嵌入词嵌入+RNN词嵌入+CNNCNN+RNN双向RNN双向RNN+Word2Vector内置样本影评正负2分类（已编码）fromkeras.datasetsimportimdb
基基伟·2019-02-01 13:56

MobileNetSSD通过Ncnn前向推理框架在Android端的使用--Cmake编译(目标检测 objection detection)补充篇章(多目标也可以显示) - Che_Hongshu -

一、前言安装win10+linux-Ubuntu16.04的双系统（超细致）ubuntu16.04+caffe＋CUDA10.0+cudnn7.4+opencv2.4.9.1+python2.7（超超细致）Caffe_ssd安装以及利用VOC2012,VOC2007数据集测试VGG_SSD网络Caffe实现MobileNetSSD以及各个文件的具体解释，利用自己的数据集dataset训练Mobil
·2019-02-01 09:00

在Ubuntu上进行ncnn+vulkan的测试

ncnnvulkanncnn在1月20号提交了对Vulkan的支持，而且更新了benchmark对Vulkan的测试，我们本来尝试在ncnn中添加Opencl，看到支持Vulkan非常高兴，迫不及待想试试
gaussrieman123·2019-01-25 15:01

win10下编译安装ncnn

win10下安装ncnn，过程其实不复杂，顺利的话一会儿就好了。下面是详细过程。
摒除杂念·2019-01-17 19:53

ncnn的编译

Windows环境参考官网https://github.com/Tencent/ncnn/wiki/cmake-VS2017-%E7%BC%96%E8%AF%91即可注意：里面的命令行都是适用于VS2017
Briant_ccj·2019-01-05 21:09

NormFace: L2 Hypersphere Embedding for Face Verification

用来finetuning的模型：Wu’smodelisa10-layerplainCNNwithMaxout[6]activationunit.https://github.com/AlfredXiangWu
迦南C·2018-12-27 11:50

【手把手AI项目】十、利用量化工具caffe-int8-convert-tools实现caffemodel量化(double32->int8)

一、前言相关网页https://github.com/Tencent/ncnn/wiki/quantized-int8-inferencehttps://github.com/BUG1989/caffe-int8
Che_Hongshu·2018-12-18 20:55

基于深度学习的图像去噪暨SRMD论文阅读笔记

同时本博文也结合了阅读论文《LearningaSingleConvolutionalSuper-ResolutionNetworkforMultipleDegradations》时的心得体会目录BackgroundDnCNNFFDNetCBDNetSRMDTheory
gwpscut·2018-12-17 10:36

【手把手AI项目】八、MobileNetSSD通过Ncnn前向推理框架在Android端的使用--Cmake编译(目标检测 objection detection)

一、前言安装win10+linux-Ubuntu16.04的双系统（超细致）ubuntu16.04+caffe＋CUDA10.0+cudnn7.4+opencv2.4.9.1+python2.7（超超细致）Caffe_ssd安装以及利用VOC2012,VOC2007数据集测试VGG_SSD网络Caffe实现MobileNetSSD以及各个文件的具体解释，利用自己的数据集dataset训练Mobil
Che_Hongshu·2018-12-15 22:14

【手把手AI项目】七、MobileNetSSD通过Ncnn前向推理框架在PC端的使用(目标检测 objection detection)

前言安装win10+linux-Ubuntu16.04的双系统（超细致）ubuntu16.04+caffe＋CUDA10.0+cudnn7.4+opencv2.4.9.1+python2.7（超超细致）Caffe_ssd安装以及利用VOC2012,VOC2007数据集测试VGG_SSD网络Caffe实现MobileNetSSD以及各个文件的具体解释，利用自己的数据集dataset训练MobileN
Che_Hongshu·2018-12-14 21:02

机器学习从零单排（白银五）——CNN

CNNCNN为卷积神经
东来_198c·2018-11-30 22:14

pytorch 如何以最方便的方式固定前置网络（特征提取网络）的参数

已经训练好了cnn1，现在想要用cnn1输出的结果来训练cnn2，但是要完全固定cnn1的参数：self.step1=cnn1()forpincnn1.parameters():p.requires_grad
Hi_AI·2018-11-27 15:57

封装32位ncnn

本人系统win1064位系统，现需要封装32位系统能用的库1.用VS2015生成ncnn_32.lib，遇到fatalerrorLNK1112:模块计算机类型“X86”与目标计算机类型“x64”冲突解决方法将附加选项改为
csy_9502·2018-11-22 17:11

ncnn para参数对应位置参数解释

inputw=pd.get(0,0);h=pd.get(1,0);c=pd.get(2,0);convolutionnum_output=pd.get(0,0);kernel_w=pd.get(1,0);kernel_h=pd.get(11,kernel_w);dilation_w=pd.get(2,1);dilation_h=pd.get(12,dilation_w);stride_w=pd.g
danisklx·2018-11-22 10:49

【深度学习】CNN的实现以及在手写数字识别中的应用

回顾Affine层、Relu层以及SoftmaxWithLoss层实现卷积层和池化层实现上面两篇博客，实现了CNN包含的层，下面我们只需要将他们组合起来，搭建进行手写数字识别的CNNCNN实现我们按上图
Daycym·2018-11-08 18:23

【深度学习】CNN的实现以及在手写数字识别中的应用

回顾Affine层、Relu层以及SoftmaxWithLoss层实现卷积层和池化层实现上面两篇博客，实现了CNN包含的层，下面我们只需要将他们组合起来，搭建进行手写数字识别的CNNCNN实现我们按上图
Daycym·2018-11-08 18:23

yolov2-Tiny转换到ncnn下移植到android端

之前一篇介绍了yolov2-Tiny在darknet下训练，之后转化为caffe下，最终转换到ncnn下：https://blog.csdn.net/qq_29377279/article/details
还是小屁孩·2018-11-01 21:53

yolov2-Tiny在darknet下训练模型转caffe再到ncnn实现

最近一直和师兄在调试ncnn下使用yolov2-Tiny，感觉资料很少，踩了很多坑，就记录一下过程吧。
还是小屁孩·2018-10-30 20:06

时间序列笔记

.+(−1)nCnnyx\Delta^{n}y_{x}=(-1)^{0}C_{n}^{0}y_{x+n}+(-1)^{1}C_{n}^{1}y_{x+n-1}+(-1)^{2}C_{n}^{2}y_{x
ArchonGum·2018-10-26 10:20

适用于移动端的深度学习计算框架(智云视图/HyperDL-Tutorial)

一、常用移动端深度学习框架各大公司开源了自己的移动端深度学习框架，其中包括TensorFlowLite、Caffe2、MACE、paddle-mobile(MDL)、FeatherCNN、NCNN等。
lsy17096535·2018-10-22 16:29

用Java实现排列、组合算法

=Cnn−mC^{n-m}_nCnn−m那么，计
codertcm·2018-10-17 22:46

深度学习实战教程（1）--手机跑目标检测（YOLO，从DarkNet到Caffe再到NCNN完整打通）

https://github.com/lwplw这篇打算就直入主题了，YOLO是什么、DarkNet是什么、Caffe是什么、NCNN又是什么…等等这一系列的基础科普这里就完全不说了，牵扯实在太多，通过其他帖子有一定的积累后
零尾·2018-10-11 17:58

NCNN（2）--网络结构文件.param解析

LeNet模型为例由Caffe的lenet_deploy.prototxt文件转换得到name:"LeNet"layer{name:"data"type:"Input"top:"data"input_param{shape:{dim:1dim:1dim:28dim:28}}}layer{name:"conv1"type:"Convolution"bottom:"data"top:"conv1"pa
零尾·2018-10-09 16:06

深度学习模型之间的转换(智云视图/HyperDL-Tutorial)

到了移动端部署我们可能会使用featherCNNnihui的NCNN或者小米的mace等框架。facebookONNX的出现为模型的转换
lsy17096535·2018-10-09 09:06

【NCNN源码分析】3.基本数据结构分析

对于NCNN，在网络层传递的过程中，进行数据流动的方式是通过自定义的blob实现的，对于blob通过生产者编号和消费者编号进行定义，producer表示输出该blob的网络层编号，consumers表示以该
TwT520Ly·2018-09-29 15:56

【NCNN源码分析】2.网络层基类

Layer类是所有其他网络层的一个基类，所有的网络层都会从Layer继承，实现互异的计算过程，所有网络层的相似之处在于输入输出的规范以及前向传播的过程。Option是属性类，lightmode表示轻量级模式在网络推理中会不断地进行垃圾回收，num_thread表示线程数量，并且定义两个内存分配器，一个是对基本数据结构blob的内存分配，另一个是对计算空间workspace的内存分配。classOp
TwT520Ly·2018-09-29 14:07

ncnn加速三大技巧

ncnn加速,不同于模型量化压缩,而是采用另一种加速技巧.例如下面的几种:使用低精度例如:caffe2ncnn.cpp中代码//convertfloattohalfprecisionfloatingpointstaticunsignedshortfloat2half
coocoky·2018-09-27 10:47
上一页 15 16 17 18 19 20 21 22 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他