海思开发：relu、relu6 在量化前后的精度变化及原因思考
一、前言以前部署 HopeNet 的时候，发现了relu6与relu的差异。具体就是 relu 模型量化后精度下降 14%，relu6 模型量化后精度下降 2.5%。这两个模型除了 backbone、激活函数不一样，其他都一样。所以 relu6 可以减少量化精度损失？因为上面两个模型backbone不一样，所以考虑再进行一个条件更严格的对比实验。二、实验特意选了 MobileNet v2，它的激活函数刚好是 relu6，数据集类别数是 2，数据集大小为正负类各 500个。我们训练两款模型 Mobile
http协议 - 笔记
例如，可以使用 POST 方法来获取数据（如使用 POST 方法提交表单并获取查询结果），或使用 GET 方法来修改数据（如通过 GET 方法将数据附加到 URL 并将其发送到服务器）。请注意，如果您在请求 JSON 数据中使用双引号，则需要使用反斜杠进行转义，以便 cURL 可以正确解析 JSON 数据。另外，如果您在请求中包含变量，则需要将其替换为相应的值。使用 POST 方法时，请求参数将包含在请求正文中，并发送到服务器。使用 GET 方法时，请求的参数将附加在 URL 中，并发送到服务器。
海思开发：海思上对 relu6、hswish、h-sigmoid 移植的探索
一、前言最近在搞 mobilenet v3，v3有两个非线性函数：hswish 和 h-sigmoid，二者都用到了relu6,之前都是把它们替换，因为海思没有现成的relu6。当时就在想，能否利用现有op，组合成想要的relu6出来了？ 这个想法在脑子里徘徊几天了，今天试着给它变现，结果如下。
菜鸟落泪：Failed to export an ONNX attribute ‘onnx::Gather‘ 报错
一、前言最近在转 mobilenet v3 （pytorch -> onnx）的时候，遇见报错：RuntimeError: Failed to export an ONNX attribute 'onnx::Gather', since it's not constant, please try to make things (e.g., kernel size) static if possible网上搜了一下，发现要么很麻烦，要么不适用，看报错内容，大致就是说，有个op的属性值不是常量。
vim 结合ctags -- 详细介绍使用方法
在进入 Vim 前，需要先使用 ctags 生成 tags 文件。Vim 和 ctags 是两个非常强大的工具，它们可以结合使用来提高代码编辑和导航的效率。除了上述命令之外，你还可以使用一些插件来进一步提高 Vim 中 tags 的使用效率，如 Tagbar、TagList 等。现在，你可以使用 Vim 中的一些命令来利用 tags 文件了。该命令将递归地扫描当前目录下的所有文件，并生成一个名为 tags 的文件。该命令告诉 Vim 在当前目录下寻找名为 tags 的文件。
海思开发：Nanodet ： onnx -＞ caffe -＞ nnie
一、前言应网友所托，帮忙转换 nanodet 模型（注：原版 nanodet 上采样是线性插值法，海思中不支持，换成反卷积了），花了一天多时间思考与尝试，终于搞定它，过程如下。二、主要过程仔细想了下，其实 nanodet 并没有什么生僻的 op，全部是很普通的、常见的那种，但是它们的组合方式以及数据的shape太令人难受了，下面我截图展示一下。1. split 不支持这里说一下，onnx 的 split 在 caffe 里面是 slice，slice 相关博客。相关代码如下：# onnx2ca
redis - 笔记
此外，由于 Redis 的数据存储是基于内存的，如果 Redis 存储的数据集超过了可用内存容量，就会发生内存溢出的问题。在使用 Redis 存储数据时，你需要选择一个合适的键名来存储你的数据，并将数据存储在对应的值中。需要注意的是，启用持久化方式会增加 Redis 的内存和 CPU 开销，所以需要根据实际情况来决定是否启用持久化方式，并选择合适的持久化方式和参数。是的，在 Redis 中，数据默认情况下是存储在内存中的，所以当你重启 Redis 服务后，之前写入的数据仍然存在于内存中，并且可以被访问。
探索发现：shufflenet 中 shuffle 操作板端部署的可行性
一、前言之前使用shufflenet-nanodet时，思考过它里面的shuffle op的部署，因为很多开发板不支持5 维 tensor，所以python中的shuffle方式，是没法继续使用的，所以就要用其他的思路来做。去年事情多，一直没有空把这个心得记录下来，现在有空了，特此记录，方便自己并抛砖引玉，如有错误，还请指出，谢谢！二、试验（一）思路shufflenet的代码来自nanodet，至于它是否与原版一致，我没去比较。上文说过的，python的shuffle方式没法用，乍一看可能觉得没法
探索发现：记一次深度图像处理的经历
一、 前言2021年底，领导给了个tof模块，要求基于此开发一个演示程序，实现3D人脸识别的功能。当时听他说出3D人脸识别就有点头疼，第一是想自己之前没接触这样的项目；第二是在想3D人脸数据相比于2D人脸数据，恐怕没后者那么多。基于快速开发出产品以及自身能力的想法，向领导建议使用2D+技术路线，即采用rgb图做人脸识别，采用深度图做真假脸识别，领导同意了。rgb图用到的就是些网上开源、成熟的模型，如retinaface、mobileface，这部分不是今天的主题，也没什么好说的，网上博客大把。主要说说深
ubuntu下使用GCC开发单片机的过程
寄存器来控制单片机的IO口输出高低电平，同时使用一个简单的延时函数来实现LED灯的闪烁。在实际开发中，还需要根据具体的单片机型号来确定寄存器的定义和编写相应的驱动程序。其中，-j选项指定要包含在输出文件中的段；使用任意文本编辑器，编写单片机程序。以上是使用GCC编译器在Ubuntu下开发单片机程序的基本步骤，具体操作方法可能因单片机平台和项目需求而有所不同。其中，-p选项指定目标单片机型号；使用烧录工具将生成的可执行文件烧录到目标单片机上。将烧录好的单片机插入电路板中，启动电路板并测试单片机程序的功能。
探索发现：自绘DETR结构图
一、 前言最近在看transformer相关的模型，其中vit还好，结构简单，decode与位置编码都没有。看到DETR才觉得比较“齐全”，该有的都有了。怕以后忘记，画个图，帮助记忆，顺便抛砖引玉，如有错误欢迎各位大佬指正。二、 结构图根据官方代码画的，最好是结合代码观看，再结合下面这张图看就更加好理解了。上图是每个encode、deconde模块内部的情况。...
嵌入式系统 - 对话
相比于Linux系统，RTOS具有更高的实时性、更小的内核占用和更简单的API，因此在嵌入式系统中应用广泛。编译和链接也是在开发者的开发机上进行的，开发者使用开发环境自带的编译器和链接器，或者使用命令行工具，将源代码编译成可执行文件，并将其链接成最终的可执行文件。在具体的开发中，可以使用多种开发工具和语言，如C/C++、汇编语言、JTAG调试器、仿真器等，以及各种开发板、开发工具和软件包，如Keil、IAR、Eclipse、Visual Studio等。此外，还需要注意RTOS的内存管理和中断处理等方面。
REST API - 笔记
它强调使用统一的接口进行资源的访问和操作。例如，使用 GET 方法来获取资源，使用 POST 方法来创建资源，使用 PUT 方法来更新资源，使用 DELETE 方法来删除资源。明确资源的概念：RESTful API 的核心是资源，每个资源都应该有一个明确的 URL 地址。返回合适的状态码：RESTful API 应该返回合适的 HTTP 状态码，以表明操作的结果。： REST 中的状态转移更多地描述的服务器端资源的状态，比如通过增删改查（通过 HTTP 动词实现）引起资源状态的改变。
今日推荐
周排行