墨理学AI

📔 环境搭建 服务器：ubuntu1~18.04 Quadro RTX 5000 16G CUDA 内核驱动是 cuda10.2 版本的驱动；官方coco128 数据集训练 + 测试

YOLOX （pytorch）模型 转 ONNX 转 ncnn 之C++运行推理；yolox_s.pth --》 yolox.onnx --》 yolox.param + yolox.bin --》

YOLOX Deployment ONNX export and an ONNXRuntime YOLOX （pytorch）模型 export ONNX 运行推理

YOLOX 环境搭建、 测试 、 COCO训练复现，4卡 测试输出如下 GPU占用 1337MiB

为了适应从正常光照到低光照，我们提出了一种高-低适应人脸检测框架(hlface)。我们考虑联合低水平和高水平的适应。

近一年来，AI绘画领域迅猛发展，国内外科技巨头和初创企业争相涌入，本文以我的一次AIGC模型（Stable Diffusion 2.0 ）web服务部署之旅带大家一起体验如何在云端去落地AI模型服务

指定GPU运行和训练 python程序 、深度学习单卡、多卡 训练GPU设置【一文读懂】 训练前 开启训练后 GPU

in-distribution data (分布内训练数据集)、OOD test dataset （分布外测试数据集）Evaluation metrics.

细粒度相关研究中用到的主要数据集如下 CUB-200-2011 Standford Cars FGVC-Aircraft 弱监督 细粒度分类任务中，示例数据集结构如下 三个数据集下载链接如下