跳转至

20201116K210

K210工具: 工具链 ISP下载工具 模型转换工具

通用工具: 神经网络可视化工具

应用文档: KPU功能测试

周边项目: intel计算棒例子

瑞芯出的RockX库里有对象追踪

技术资料: 如何减小机器学习模型的大小:https://cloud.tencent.com/developer/news/587601

教程: 《神经网络与深度学习》: deeplearning: https://mmdeeplearning.readthedocs.io/zh/latest/overview.html 《神经网络与深度学习》中文版及代码下载 深度学习500问 知乎问答:新手如何学习pytorch pytorch官方60min入门教程 pytorch官方tutorial仓库 2.PyTorch 的 Autograd(自动求导) - 关于图的教程 斯坦福大学公开课 CS231n:深度视觉识别 卷积神经网络(CNN)入门讲解:用最浅显幽默的方式,讲解CNN基本原理,适合初学者

数据集: OTB100

使用勘智的kflash下载程序:

$ ./kflash.py -p /dev/ttyUSB1 -b 2000000 ../k210-face-detection-demo/demo.kfpkg

相关概念

注意力网络(ARN):相当于用之前的计算结果来加权,做object tracking时会用到

pytorch:一个用于科学计算的软件包,提供了Tensor张量,以方便使用GPU资源

损失函数(loss function):第i个预测值与真实值的误差函数。损失函数有很多形式,比如L1,L2,cross entropy。

代价函数(Cost function):所有第i个预测值与真实值的误差加总再平均的函数。

损失函数与代价函数的相同点在于他们都表示预测值与真实值的差异,差别在于前者代表个体,后者代表整体。

gradients(adjoints):梯度

derivatives:导数

feed-forward network: 前馈网络;前馈神经网络(FNN)是人工智能领域中最早发明的简单人工神经网络类型。在它内部,参数从输入层经过隐含层向输出层单向传播

conv2d:二维卷积

池化(pooling):池化过程在一般卷积过程后,其实就是采样。选择某种方式对其进行降维压缩,以加快运算速度(https://zhuanlan.zhihu.com/p/78760534

离线跟踪器(offline tracker):当您必须跟踪记录的流中的对象时,可以使用离线跟踪器。例如,如果您录制了需要分析对手战术的足球比赛视频,以进行战略分析。在这种情况下,您不仅可以使用过去的帧,而且可以使用将来的帧来做出更准确的跟踪预测。

在线跟踪器(online tracker):在线跟踪器用于可以立即获得预测的地方,因此,它们不能使用将来的帧来改善结果。(https://cv-tricks.com/object-tracking/quick-guide-mdnet-goturn-rolo/)

feature(特征):

Dropout:训练过程中不故意不计算一部分权重,防止过拟合

问题集

安装CPU版本pytorch

conda install pytorch-cpu torchvision-cpu -c pytorch

conda安装mpi4py时找不到mpi.h

ubuntu下的相关包是mpich,手动安装就好