竹杖芒鞋轻胜马,一蓑烟雨任平生

don't worry,be happy.


  • 首页

  • 标签

  • 分类

  • 归档

  • 关于

TensorFlow模型转换为EasyCNN模型

发表于 2017-06-24 | 分类于 算法 | 阅读次数:
EasyCNN是一个轻量级的CNN框架,纯C++11编写,不依赖于任何库,可跨平台应用于Linux/Windows/Android/iOS等平台。 TensorFlow是Google开发的深度学习框架,由专业工程人员与算法开发人员合作开发而成,是目前最火的开源深度学习框架。 EasyCNN具 ...
阅读全文 »

Beam Search算法及其应用

发表于 2017-06-23 | 分类于 算法 | 阅读次数:
概述Beam Search算法是一种平衡性能与消耗的搜索算法,目的是在序列中解码出相对较优的路径。 Beam Search算法广泛运用于OCR、语音识别、翻译系统等场景。 CTC示例以OCR为例,beam search算法可应用于笔划切分点的判断,CTC解码,Seq2Seq模型解码等步骤。 ...
阅读全文 »

使用Python提供高性能计算服务

发表于 2017-05-23 | 分类于 python | 阅读次数:
前言python具有丰富的库,并且很容易作为胶水语言很容易与c/c++进行交互集成。 因此为了适应快速变化的业务和兼顾计算效率,在上层采用python作为server提供service,在底层采用c/c++进行计算是一种对于算法开发者非常适宜的方式。 python flask库提供http接口以及相 ...
阅读全文 »

Python调用C++模块时发生crash

发表于 2017-04-19 | 分类于 踩坑 | 阅读次数:
现在写python代码越来越多,实在太方便了。 有一次在python代码中通过ctypes调用c++模块,一直发生glibc free invalidate pointer错误。类似如下代码:1234567891011struct Foo{ std::string content; ...
阅读全文 »

我所理解的图像处理技术栈

发表于 2017-03-19 | 分类于 图像处理 | 阅读次数:
图像处理,是对图像进行分析、加工、和处理,使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。 基本图像处理图像产生这篇文章所讨论的图像为2D图像。目前图像主要有2类来源: 摄像机等硬件设备收集自然场景中产生的信号(如光学信号,红外信号等)所形成的图像; 由算法生成的图像 ...
阅读全文 »

使用Visual Studio 2017作为Linux C++开发工具

发表于 2017-03-10 | 分类于 工具使用 | 阅读次数:
Visual Studio 2017微软的宇宙第一IDE Visual Studio 2017正式版出来了,地址是:https://www.visualstudio.com/vs/whatsnew/ VS2017亮点很多,包括模块化安装、启动速度加快(第一次启动加快50%以上)、github插件、启 ...
阅读全文 »

c++跨平台移植指南

发表于 2017-03-08 | 分类于 c++ | 阅读次数:
C++跨平台C++跨平台是指同一份代码可以不加修改的在不同的平台上编译运行且表现一致。所谓不同的平台包括: 不同的操作系统 不同的CPU 不同的语言集 etc. 平台移植性从c++代码到程序最终运行需要经过下面步骤,每个步骤都需要考虑平台移植性: 编译 主要是代码的可移植性 链接 主要是第 ...
阅读全文 »

使用chrome浏览器作为Markdown写作工具

发表于 2017-03-08 | 分类于 工具使用 | 阅读次数:
MarkdownMarkdown是一种非常简约的「标记语言」,它语法简单,可编辑出一定的格式。因此,被越来越多的人们所广泛使用。包括各大博客、stackoverflow、github等平台均支持Markdown格式。 Markdown语法规则见:Markdown-Cheatsheet Markdo ...
阅读全文 »

结合XShell和OpenCV脚本显示linux服务器上的图片

发表于 2017-02-17 | 分类于 工具 | 阅读次数:
个人偏好在windows下进行开发,结合visual studio和notepad++,能非常高效的进行c++和python的编程开发。 在windows中,使用Visual Studio结合Image Watch插件,能非常方便的进行图像处理的调试。效果如下: 而在通过xshell登录linu ...
阅读全文 »

论文阅读:Incremental Network Quantization

发表于 2017-02-17 | 分类于 论文阅读 | 阅读次数:
论文地址:Incremental Network Quantization: Towards Lossless CNNs with Low-Precision Weights 这篇论文是Intel实验室发表的,提出了一种新的模型参数量化方案。结合Dynamic Network Surgery f ...
阅读全文 »
12345

洪柏敏

个人网站,学习思考总结

47 日志
25 分类
70 标签
RSS
GitHub ZhiHu E-Mail
© 2019 洪柏敏
由 Hexo 强力驱动
|
主题 — NexT.Mist v5.1.3