- 本文将从算法概述、工程实现、优化改进三个方面阐述如何实现一个实时、优雅、精确的视频人像抠图项目。 什么是抠图对于一张图I， 我们感兴趣的人像部分称为前景F，其余部分为背景B，则图像I可以视为F与B的加权融合：I=alpha∗F+(1−alpha)∗BI = alpha * F + (1 - alpha) * BI=alpha∗F+(1−alpha)∗B，而抠图任务就是找到合适的权重alpha... 本文将从算法概述、工程实现、优化改进三个方面阐述如何实现一个实时、优雅、精确的视频人像抠图项目。 什么是抠图对于一张图I， 我们感兴趣的人像部分称为前景F，其余部分为背景B，则图像I可以视为F与B的加权融合：I=alpha∗F+(1−alpha)∗BI = alpha * F + (1 - alpha) * BI=alpha∗F+(1−alpha)∗B，而抠图任务就是找到合适的权重alpha...
- 这期，我们结合具体数据对建模过程进行更深入地探索。目前的租户端程度中需要调用服务端的server，且服务端需要提前定义租户数量，无法跨平台进行联邦学习。如果服务端和租户端能完全独立，不同租户独立与服务端通讯，将更具使用价值。 这期，我们结合具体数据对建模过程进行更深入地探索。目前的租户端程度中需要调用服务端的server，且服务端需要提前定义租户数量，无法跨平台进行联邦学习。如果服务端和租户端能完全独立，不同租户独立与服务端通讯，将更具使用价值。
- 这期，我们正式实现pytorch_fedamp_emnist_classification上的案例，下期我们将结合具体数据对建模过程进行更深入地探索。 这期，我们正式实现pytorch_fedamp_emnist_classification上的案例，下期我们将结合具体数据对建模过程进行更深入地探索。
- 这篇是张小白自己折腾出来的。全面介绍了如何在GPU的Windows上玩转蚂蚁牙黑。 这篇是张小白自己折腾出来的。全面介绍了如何在GPU的Windows上玩转蚂蚁牙黑。
- 本文旨在分享Pytorch->Caffe->om模型转换流程。标准网络Baseline：PytorchToCaffe主要功能代码在：PytorchToCaffe+-- Caffe| +-- caffe.proto| +-- layer_param.py+-- example| +-- resnet_pytorch_2_caffe.py+-- pytorch_to_caffe.py... 本文旨在分享Pytorch->Caffe->om模型转换流程。标准网络Baseline：PytorchToCaffe主要功能代码在：PytorchToCaffe+-- Caffe| +-- caffe.proto| +-- layer_param.py+-- example| +-- resnet_pytorch_2_caffe.py+-- pytorch_to_caffe.py...
- 目录 摘要 1、 模型结构 各层参数详解： 1、输入层-INPUT 2、C1层-卷积层 3、S2层-池化层（下采样层） 4、C3层-卷积层 5、S4层-池化层（下采样层） 6、C5层-卷积层 7、F6层-全连接层 8、Output层-全连接层 各层参数总结 2、模型特性 代码复现： 摘要 ... 目录 摘要 1、 模型结构 各层参数详解： 1、输入层-INPUT 2、C1层-卷积层 3、S2层-池化层（下采样层） 4、C3层-卷积层 5、S4层-池化层（下采样层） 6、C5层-卷积层 7、F6层-全连接层 8、Output层-全连接层 各层参数总结 2、模型特性 代码复现： 摘要 ...
- 目录 摘要 实现残差模块 ResNet18， ResNet34 RseNet50、 RseNet101、 RseNet152、 摘要 ResNet（Residual Neural Network）由微软研究院的Kaiming He等四名华人提出，通过使用ResNet Unit成功... 目录 摘要 实现残差模块 ResNet18， ResNet34 RseNet50、 RseNet101、 RseNet152、 摘要 ResNet（Residual Neural Network）由微软研究院的Kaiming He等四名华人提出，通过使用ResNet Unit成功...
- @Author：Runsen 在图像领域，除了分类，CNN 今天还用于更高级的问题，如图像分割、对象检测等。图像分割是计算机视觉中的一个过程，其中图像被分割成代表图像中每个不同类别的不同段。 上面... @Author：Runsen 在图像领域，除了分类，CNN 今天还用于更高级的问题，如图像分割、对象检测等。图像分割是计算机视觉中的一个过程，其中图像被分割成代表图像中每个不同类别的不同段。 上面...
- 新零售智能导购助手什么是智能导购助手？智能导购助手是一种基于人工智能技术的虚拟导购解决方案，它融合了自然语言处理、机器学习、用户画像分析等技术，旨在为用户提供个性化、高效且智能的购物推荐和服务。其核心功能包括：商品推荐：根据用户的购物行为和偏好，提供个性化的商品推荐，提高购物的准确性和效率。虚拟试穿/试用：利用图像识别技术，实现虚拟试穿或试用效果，增强用户的购物体验。智能搜索... 新零售智能导购助手什么是智能导购助手？智能导购助手是一种基于人工智能技术的虚拟导购解决方案，它融合了自然语言处理、机器学习、用户画像分析等技术，旨在为用户提供个性化、高效且智能的购物推荐和服务。其核心功能包括：商品推荐：根据用户的购物行为和偏好，提供个性化的商品推荐，提高购物的准确性和效率。虚拟试穿/试用：利用图像识别技术，实现虚拟试穿或试用效果，增强用户的购物体验。智能搜索...
- 详解PyTorch Index Out of Bounds当使用PyTorch进行深度学习开发时，经常会遇到 "Index out of bounds" 的错误情况。这个错误通常在使用索引操作时发生，可能会导致程序异常终止。本文将对这个错误进行详细解释，并提供一些常见的解决方法。什么是 "Index Out of Bounds" 错误？"Index out of bounds" 错误指的是在... 详解PyTorch Index Out of Bounds当使用PyTorch进行深度学习开发时，经常会遇到 "Index out of bounds" 的错误情况。这个错误通常在使用索引操作时发生，可能会导致程序异常终止。本文将对这个错误进行详细解释，并提供一些常见的解决方法。什么是 "Index Out of Bounds" 错误？"Index out of bounds" 错误指的是在...
- MindTorch介绍MindTorch是将PyTorch训练脚本高效迁移至MindSpore框架执行的工具，其目的是在不改变原有PyTorch用户的使用习惯情况下，使得PyTorch代码能在昇腾上获得高效性能。PyTorch接口支持： MindTorch目前支持大部分PyTorch常用接口适配。用户接口使用方式不变，基于MindSpore动态图或静态图模式下执行在昇腾算力平台上。可以在to... MindTorch介绍MindTorch是将PyTorch训练脚本高效迁移至MindSpore框架执行的工具，其目的是在不改变原有PyTorch用户的使用习惯情况下，使得PyTorch代码能在昇腾上获得高效性能。PyTorch接口支持： MindTorch目前支持大部分PyTorch常用接口适配。用户接口使用方式不变，基于MindSpore动态图或静态图模式下执行在昇腾算力平台上。可以在to...
- 1 Ascend Extension for PyTorchAscend Extension for PyTorch 插件是基于昇腾的深度学习适配框架，使昇腾NPU可以支持PyTorch框架，为PyTorch框架的使用者提供昇腾AI处理器的超强算力。项目源码地址请参见LINK。昇腾为基于昇腾处理器和软件的行业应用及服务提供全栈AI计算基础设施。您可以通过访问昇腾社区，了解关于昇腾的更多信息... 1 Ascend Extension for PyTorchAscend Extension for PyTorch 插件是基于昇腾的深度学习适配框架，使昇腾NPU可以支持PyTorch框架，为PyTorch框架的使用者提供昇腾AI处理器的超强算力。项目源码地址请参见LINK。昇腾为基于昇腾处理器和软件的行业应用及服务提供全栈AI计算基础设施。您可以通过访问昇腾社区，了解关于昇腾的更多信息...
- 1 源码下载Ascend对pytorch代码的适配，可从以下链接中获取。Ascend/pytorch执行如下命令即可。git clone https://gitee.com/ascend/pytorch.git 2 目录结构解析源码下载后，如果需要编译torch-npu，最好保持pytorch的源码版本匹配，以及其编译环境的gcc，g++等与torch-npu的版本匹配，否则会出现各种乱起... 1 源码下载Ascend对pytorch代码的适配，可从以下链接中获取。Ascend/pytorch执行如下命令即可。git clone https://gitee.com/ascend/pytorch.git 2 目录结构解析源码下载后，如果需要编译torch-npu，最好保持pytorch的源码版本匹配，以及其编译环境的gcc，g++等与torch-npu的版本匹配，否则会出现各种乱起...
- 访问PyCharm 官网。 选择适用于你操作系统的 PyCharm 社区版 (Community Edition) 下载链接。 下载完成后，运行安装程序并按照提示完成安装过程。 访问PyCharm 官网。 选择适用于你操作系统的 PyCharm 社区版 (Community Edition) 下载链接。 下载完成后，运行安装程序并按照提示完成安装过程。
- 在深度学习中，模型的训练过程本质上是通过梯度下降算法不断优化损失函数。为了高效地计算梯度，PyTorch 提供了强大的自动求导机制，这一机制依赖于“计算图”（Computational Graph）的概念。 1. 什么是计算图？计算图是一种有向无环图（DAG），其中每个节点表示操作或变量，边表示数据的流动。简单来说，计算图是一个将复杂计算分解为一系列基本操作的图表。每个节点（通常称为“张量”... 在深度学习中，模型的训练过程本质上是通过梯度下降算法不断优化损失函数。为了高效地计算梯度，PyTorch 提供了强大的自动求导机制，这一机制依赖于“计算图”（Computational Graph）的概念。 1. 什么是计算图？计算图是一种有向无环图（DAG），其中每个节点表示操作或变量，边表示数据的流动。简单来说，计算图是一个将复杂计算分解为一系列基本操作的图表。每个节点（通常称为“张量”...
上滑加载中
推荐直播
-
OpenHarmony应用开发之网络数据请求与数据解析2025/01/16 周四 19:00-20:30
华为开发者布道师、南京师范大学泰州学院副教授，硕士研究生导师，开放原子教育银牌认证讲师
科技浪潮中，鸿蒙生态强势崛起，OpenHarmony开启智能终端无限可能。当下，其原生应用开发适配潜力巨大，终端设备已广泛融入生活各场景，从家居到办公、穿戴至车载。 现在，机会敲门！我们的直播聚焦OpenHarmony关键的网络数据请求与解析，抛开晦涩理论，用真实案例带你掌握数据访问接口，轻松应对复杂网络请求、精准解析Json与Xml数据。参与直播，为开发鸿蒙App夯实基础，抢占科技新高地，别错过！
回顾中 -
Ascend C高层API设计原理与实现系列2025/01/17 周五 15:30-17:00
Ascend C 技术专家
以LayerNorm算子开发为例，讲解开箱即用的Ascend C高层API
回顾中
热门标签