Venzhy

OnnxRuntime部署脚本： TensorRT部署脚本：import pycuda.driver as cuda import pycuda.autoinit import ten

在Windows和Linux环境下都跑通了，大约用了一周的时间，大部分原因都是版本不一致造成的： 1、本机的 CUDA 与 paddlepaddle-gpu 的版本准确匹配 step 1：如果 pad

最近在学习C++、AI部署，虽然很多知识不懂，但是在慢慢进步。以下的内容会慢慢学习起来。 FP 和 Half 的关系，Onnx导出时要使用GPU才能成功，Onnx设置和engine设置的关系 推理时间

图1. 图2. $X$ → $Y$；$Y$ → $X$ 损失函数 $X$ → $Y$：对应图 2. 中的(a)上线、(b)，期望将“Mona的印象派油画” 的风格变成 “手机拍摄的风景照”风格。 $x

GAN网络学习路线GAN网络学习路线GAN网络学习路线GAN网络学习路线GAN网络学习路线GAN网络学习路线

Generative Adversarial Networks（GANs）-生成对抗网络：学习一个损失，试图分类输出图像是真实的还是假的，同时训练一个生成模型来最小化这种损失。 损失函数： $x$：训

可见性/遮挡 画家算法 画家算法：首先将场景中的多边形根据深度进行排序，然后按照深度从大到小顺序进行描绘。 复杂度：O(nlogn) 弊端：不能解决有遮挡的物体，或者说不能解决深度不好确定的物体。 z

着色频率 Flat shading（平坦着色） 通过三角面片的三个顶点的坐标计算该三角面片的法向量 对面片插值颜色 对于粗糙的表面效果不好 Grouraud shading（高洛德着色） 每个顶点都有

提到Python的数据结构，可以想到哪一些结构呢？ 列表（栈\堆\队列） my_list = list() 字典 my_dict = dict() 元组 my_tuple = tuple() 集合 m