用pytorch实现深度学习dnn网络，有实际数据做支撑，py3.6+pytorch0.4，代码可以直接运行，不需要gpu
2025/8/30 7:40:58
270KB
1
实现了使用DNN来做VAD的功能，模型非常小，使用了TDNN的网络结构，注意：需要在LINUX上执行，感觉效果还不错，欢迎大家使用并提出宝贵意见。
2025/7/19 3:04:19
663KB
1
深度学习(DeepLearning)是近年来提出的一种利用具有多个隐层的深度神经网络(DeepNeuralNetwork,DNN)完成学习任务的机器学习方法。
其实质是,通过构建具有多个隐层的神经网络模型并使用大量的训练数据来学习得到更有用的特征,进而提升模型预测或分类的准确性。
与以往的浅层神经网络的不同之处在于,深度学习主要强调了神经网络的深度(通常有大于1层的隐层),还突出了特征学习的重要性,从大数据中学习特征,这些特性可以刻画数据丰富的内在信息。
其实质是,通过构建具有多个隐层的神经网络模型并使用大量的训练数据来学习得到更有用的特征,进而提升模型预测或分类的准确性。
与以往的浅层神经网络的不同之处在于,深度学习主要强调了神经网络的深度(通常有大于1层的隐层),还突出了特征学习的重要性,从大数据中学习特征,这些特性可以刻画数据丰富的内在信息。
2025/1/19 7:51:09
10.13MB
1
TensorRT是NVIDIA推出的专门加速深度学习推理的开发工具。
利用TensorRT，您可以快速、高效地在GPU上部署基于深度学习的应用。
我们首先会介绍TensorRT的基本功能和用法，例如它的优化技巧和低精度加速。
其次，结合我们实际使用过程中的经验，详细介绍TensorRT的难点：Plugin机制。
最后，我们会分享几个TensorRT成功应用案例
利用TensorRT，您可以快速、高效地在GPU上部署基于深度学习的应用。
我们首先会介绍TensorRT的基本功能和用法，例如它的优化技巧和低精度加速。
其次，结合我们实际使用过程中的经验，详细介绍TensorRT的难点：Plugin机制。
最后，我们会分享几个TensorRT成功应用案例
2024/12/6 16:08:18
1.28MB
1
这个是深度神经网络的工具类和数据集，里面包括：dnn_utils_v2_lr_utils_dataset
2024/9/18 5:09:12
1.95MB
1
语音端点检测工具包，包括DNN，bDNN，LSTM和基于ACAM的VAD。
我们还提供我们直接记录的数据集。
我们还提供我们直接记录的数据集。
2024/6/14 14:08:19
245.5MB
1
跌倒检测，采用OPENCV4DNN开发，在英特尔的GPU上加速，大概每帧40MS左右，速度极快，假如您电脑上有别的GPU，可能跑不了，因为英特尔的OPENCV限制DNN在别的GPU上运行。
一般的电脑，只要有英特尔的graphic就能跑，速度比纯CPU快多了
一般的电脑，只要有英特尔的graphic就能跑，速度比纯CPU快多了
2024/2/2 16:19:34
42.44MB
1
bvlc_googlenet.caffemodel，-bvlc_googlenet.prototxt，synset_words
2024/1/30 6:42:07
47.57MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB