稀疏向量计算技术杂谈 稀疏计算是数学规划求解器计算速度提高的最基本套路。 现实中的大规模数学规划问题绝大多数是稀疏的, 例如下面这个流程车间调度问题的数学规划模型, 假如当m=10, n=100时, 总变量数可达10万以上, 约束数也是同样的数量级, 这样模型的约束矩阵的元素数字就
背景 这是以前工程化过程中碰到的一个问题，一直没有总结整理过。现象是这样的，有一个网络结构（基本就是Resnet50), 以前已经工程化到MNN了。当时在PC上运行，单线程大概600ms。后来，模型性能提升了（模型结构没有变化，只是数据增多），于是考虑升级模型，奇怪的是，运行却要2s多，足足是原来的3倍多。
总结目前自己实验过的一些姿态估计的技巧，持续更新，欢迎点赞~ 数据处理&增强篇 1. 正确的归一化 将坐标值归一化到(-0.5, 0.5)之间，公式为： 由于目标检测的关系，姿态估计的对象大都会在图像的中央，用这样的归一化能很大的加速模型收敛 2. Augmentation by Information Dropping(AI
1、需要的protobuf库前面已经编译好了； 2、直接按照网上的教程 输入命令:cmake -G "Visual Studio 15" -DCMAKE_BUILD_TYPE=Release -DMNN_BUILD_CONVERTER=true -DMNN_BUILD_SHARED_LIBS=false .. 显示错误，Protobuf_LIBRARIES，Protobuf_INCLUDE_DIR未配置； 3、
MNN的安装以及新增onnx算子 ubuntu 上安装mnn 参考链接：https://www.yuque.com/mnn/cn/build_linux git clone https://gitee.com/mirrors/mnn.git cd MNN/ cd schema/ ./generate.sh && cd ../ mkdir build && cd build sudo apt-get install libprotobuf-dev protobuf-compi
MNN模型编译和转换过程 ~模型转换过程 1：首先编译MNN的模型转换工具： ./MNNConvert cd MNN/ MNN/ ./schema/generate.sh /schema/generate.sh mkdir build kdir build cd build build cmake .. -DMNN_BUILD_CONVERTER=true && m
MNN初学安装编译 环境要求 • MSYS2 (https://www.msys2.org/) // 更新pacman包管理工具仓库 pacman -Syu // 安装必要工具 pacman -S base-devel cmake ninja 1 .下载MYSY2 2.下载MYSY2并安装完成后打开MYSY2 MinGW 64bit 等待显示正常后 3输入pacman -Syu 注意大小写 然后
我的平台是 windows 10 编译还是很费劲的，记录下要点吧 一共三个 repo：zlib、protobuf 和 MNN，最开始编译 protobuf，没下 zlib，虽然 protoc.exe 能编译出来，但MNN编译的时候，就会说缺少：MNN_compression.pb.h 另外，我机器装了 mingw64、ninja 和 vs2019，这三个尝试过编译，最后成功的是 mi
详细见MNN官方文档 MNN是阿里的开源机器学习推理框架，有着详细的官方文档 而本文仅是LZ的使用笔记 一、下载、编译 从github上下载 https://github.com/alibaba/MNN cd ~/git/MNN-master cd schema ./generate.sh cd .. mkdir build && cd build cmake -DMNN_BUILD_DEMO=ON
用过腾讯的ncnn，编译起来很友好；但是对3d操作算子支持不够；导致新出现的模型无法使用。 看到阿里开发的mnn，来尝尝鲜，结果断续折腾了2天，以此记之。 非常感谢：https://uzshare.com/view/810473 里面详细介绍了一些配置操作。 1、设置 2、将powershell ./schema/generate.ps1换成py
1、github链接：https://github.com/alibaba/MNN/tree/master/tools/converter 2、教程 （1）使用教程：https://www.bookstack.cn/read/MNN-zh/tools-converter-README_CN.md （2）参考博客：https://blog.csdn.net/qq_37643960/article/details/97028743 （3）github的项目中的readme部分也有讲解；
