首页 > 其他分享 >极智一周 | NVIDA软件生态、CUDA、TensorRT、cuDNN、DeepStream、戴口罩检测、美光晋华、帕美苏米 And so on

极智一周 | NVIDA软件生态、CUDA、TensorRT、cuDNN、DeepStream、戴口罩检测、美光晋华、帕美苏米 And so on

时间:2024-01-08 15:34:25浏览次数:19  
标签:DeepStream 伟达 基于 晋华 TensorRT 解读 极智 生态


极智一周 | NVIDA软件生态、CUDA、TensorRT、cuDNN、DeepStream、戴口罩检测、美光晋华、帕美苏米 And so on_cuDNN


欢迎关注我的公众号 [极智视界],获取我的更多技术分享

大家好,我是极智视界,带来本周的 [极智一周],关键词:NVIDIA软件生态、CUDA、TensorRT、cuDNN、DeepStream、戴口罩检测、美光晋华、帕美苏米 And so on。

极智视界本周热点文章回顾

(1) 解读英伟达软件生态系列

本周带来解读英伟达软件生态系列,包括 一切的基础 CUDA、深度学习推理引擎 TensorRT、深度神经网络库 cuDNN、基本线性代数库 cuBLAS、视觉 AI 应用 Pipeline 优化首选 DeepStream,具体可见介绍。

  • 《极智开发 | 解读英伟达软件生态 一切的基础CUDA》;
  • 《极智开发 | 解读英伟达软件生态 深度学习推理引擎TensorRT》;
  • 《极智开发 | 解读英伟达软件生态 深度神经网络库cuDNN》;
  • 《极智开发 | 解读英伟达软件生态 基本线性代数库cuBLAS》;
  • 《极智开发 | 解读英伟达软件生态 视觉AI应用Pipeline优化首选DeepStream》;

极智一周 | NVIDA软件生态、CUDA、TensorRT、cuDNN、DeepStream、戴口罩检测、美光晋华、帕美苏米 And so on_TensorRT_02

(2) 美光晋华全球和解

这几天科技圈一个很大的新闻是:美光科技和福建晋华达成全球和解。进行了 "美光晋华之间恩恩怨怨" 的解读介绍,跟晋华 "和解" 、宣布加大对华投资,都是美光 "自救" 的 "无奈之举",是来自长鑫、长江的直接 "助攻",而原因明显只有一个:就是美光想重返中国市场!

极智一周 | NVIDA软件生态、CUDA、TensorRT、cuDNN、DeepStream、戴口罩检测、美光晋华、帕美苏米 And so on_DeepStream_03

(3) 全球半导体设计厂商排名

最近TrendForce 集邦咨询发布了 2023 年第三季度全球前十大 IC 设计公司的最新排名,英伟达一骑绝尘,我国韦尔半导体上榜,具体请见分析。

  • 《极智芯 | 解读最新全球半导体设计厂商排名 英伟达一骑绝尘 中国韦尔半导体上榜》;

极智一周 | NVIDA软件生态、CUDA、TensorRT、cuDNN、DeepStream、戴口罩检测、美光晋华、帕美苏米 And so on_英伟达_04

(4) 惊艳的 "帕美苏米" 发布

小米汽车 SU7 发布会,惊艳到我一脸。在满屏的 "说个价格让我死心" 的弹幕里,雷军还是没有说价格。发布会中,雷军直接否定掉了 九万九、十四万九 的价格,所以最终的价格最低应该也会到 十九万九,但是雷军其实时不时在强调 "这个很贵"、"那个很贵",说明也在有意识地在暗示往上拉价格预期,所以这个角度大概率会超过二十万。另外不得不说,车是真的帅,颜值是真高,我愿称之为 "帕美苏米"。

  • 《说个价格让我死心 来看"帕美苏米"发布》;

极智一周 | NVIDA软件生态、CUDA、TensorRT、cuDNN、DeepStream、戴口罩检测、美光晋华、帕美苏米 And so on_英伟达_05

(5) 基于Mxnet的实战戴口罩检测

这是这个系列的第三篇 (虽然这个系列估计想看的人并不多,但是既然开了拔就坚持写完它~)

  • 第一篇基于 OpenCV ->《极智项目 | 实战 OpenCV 戴口罩检测》;
  • 第二篇基于 Pytorch ->《极智项目 | 实战 Pytorch 戴口罩检测》;

也是承诺的提供 "基于 OpenCV基于 pytorch、提供 tensorflow、基于 tensorflow、基于 paddle、基于 caffe、基于 mxnet、基于 keras 版本" 系列中的其中之一,其他版本敬请期待。

这个项目使用深度学习框架 Mxnet 来进行戴口罩的检测。项目提供完整的代码,包括推理代码、一键执行脚本、Mxnet 模型权重、项目三方依赖库、待检测的图片、检测后的效果图等。。欢迎下载体验。

  • 《极智项目 | 实战Mxnet戴口罩检测》;

极智一周 | NVIDA软件生态、CUDA、TensorRT、cuDNN、DeepStream、戴口罩检测、美光晋华、帕美苏米 And so on_cuDNN_06

极智一周,祝大家周末愉快!元旦假期愉快!


【极智视界】


标签:DeepStream,伟达,基于,晋华,TensorRT,解读,极智,生态
From: https://blog.51cto.com/u_15531854/9145533

相关文章

  • 人工智能算法原理与代码实战:从ONNX到TensorRT
    1.背景介绍人工智能(ArtificialIntelligence,AI)是一门研究如何让计算机模拟人类智能行为的科学。在过去的几年里,人工智能技术发展迅速,已经应用在很多领域,例如自然语言处理、计算机视觉、机器学习等。这些技术的核心是算法和模型,这些算法和模型需要通过大量的数据和计算资源来训练......
  • 神经网络量化流程(第一讲TensorRT)
    TensorRT量化工具,支持PTQ和QAT量化基本流程:读取模型-》转化为IR进行图分析,做一些优化策略一、TensorRT量化模式TensorRT有两种量化模式:分别是implicitly以及explicitly量化,前者是隐式量化,在7.0及之前版本用的较多;后者显式量化在8.0版本后才完全支持,就是可以加载带有QDQ信息的模......
  • Ubuntu20.04下DeepStream Python环境安装
    引子最近工作学习中遇到多路视频解码抽帧的需求,考虑到项目上大多数用到的都是Nvidia的显卡,常规CPU软解显然无法满足多路的需求,故考虑使用N卡的硬解码功能。然后我就毫不犹豫的去找轮子了,ChatGPT这么火,那就先问问它吧。嗯,呃,貌似下图红框里答案只有那么一点点靠谱(不要问我为啥......
  • 使用TensorRT-LLM进行高性能推理
    LLM的火爆之后,英伟达(NVIDIA)也发布了其相关的推理加速引擎TensorRT-LLM。TensorRT是nvidia家的一款高性能深度学习推理SDK。此SDK包含深度学习推理优化器和运行环境,可为深度学习推理应用提供低延迟和高吞吐量。而TensorRT-LLM是在TensorRT基础上针对大模型进一步优化的加速推理......
  • tensorrt学习(三)
    继续整理tensorrt的学习资料,方便后续查看.(文章内容大部分摘取于网络资源)1int8量化int8量化就是将网络的权重由float32类型缩放为int8类型,同时记录缩放的scale。为了尽可能的不丢失精度,需要采用标定图片来确定缩放的范围。1.1int8量化原理标定过程标定的原理,是通过输入......
  • tensorrt学习(一)
    整理下tensorrt学习资料,方便后续查找。(文章内容大部分摘取于网络资源)1.tensorrt介绍安装:https://docs.nvidia.com/deeplearning/sdk/tensorrt-install-guide/index.htmltensorrtpython文档:https://docs.nvidia.com/deeplearning/tensorrt/api/python_api/index.htmltenso......
  • 手把手教你使用LabVIEW TensorRT实现图像分类实战(含源码)
    ‍‍......
  • TensorRT 模型加密杂谈
    在大多数项目交付场景中,经常需要对部署模型进行加密。模型加密一方面可以防止泄密,一方面可以便于模型跟踪管理,防止混淆。由于博主使用的部署模型多为TensorRT格式,这里以TensorRT模型为例,讲解如何对模型进行加密、解密以及推理加密模型。加密算法的选择和支持的库Crypto++是C/C......
  • ubuntu22.04 cuda cudnn tensorRT安装
    1:查看当前安装驱动版本信息driverversion:525.116.03cudaversion:12.0注意:nvidia官网下载和打开巨慢的问题把nvidia.com换成nvidia.cn2:下载cudaversion12.0版本并安装https://developer.nvidia.com/cuda-toolkit-archivehttps://developer.nvidia.com/cuda-12-0-0......
  • ubuntu 22.04离线安装cuda 11.7.1、cudnn 8.9.3.28、nccl 2.18.3、tensorrt 8.6.1
    最近在使用飞桨OCR,有几个特殊的符号需要进行识别,手上只有两台机器,一台1080TI单卡(windows11),一台1080Ti双卡(linux22.04),习惯性追新到飞桨最高支持的cuda11.7,其实1080Ti到cuda10就够用了,后面的新版本差没有明显的性能提升。windows上无脑安装,linux上安装比较麻烦,记录下安装过程......