作者归档：yangyouji

[Reprint]Opencv中使用CUDA原函数

发表评论

opencv中的cuda模块封装了大部分常用的图像处理函数。但一些函数只提供了8bit图片的接口，没有16bit图片的接口。如果需要处理10bit 12bit或更高big的图片就需要调用CUDA的原型函数了。下面就简单举例使用opencv中的GpuMat调用cuda原函数的方法。

Opencv中使用CUDA原函数

[Reprint]opencv 中使用 cudnn 预测CNN网络

发表评论

opencv从3版本开始就已经支持CNN网络模型的预测，到4版本，主流工具tensorflow,pytorch 生成的模型文件大部分都可以支持。但其一直没有使用到CUDNN。但最新发布的4.2版本的opencv已经支持CUDNN了。以下是功能测试

一。安装编译环境

opencv 中使用 cudnn 预测CNN网络

[Reprint]tensorflowsharp中使用CUDA

发表评论

tensorflowsharp使用C#封装了tensorflow的c-api接口，可以方便的在C#中使用tensorflow的模型。但作者只提供了cpu版本的tensorflow，如果要使用gpu版本的tensorflow，就需要自己编译出一个带CUDA的dll。好在网上资料比较多，编译起来并不是很困难

一.编译环境搭建

tensorflowsharp中使用CUDA

[Reprint]OpencvSharp 中使用 cuda

发表评论

opencvsharp 是 opencv的c#版本，近期有项目使用了opencvsharp来进行图像处理。这个github上星级很高的项目果然是不错的，运行起来比较稳定，没有出现大的问题。但opencvsharp中没有cuda的完整支持，只有最基本的类型支持，无任何算法支持，想用就只能靠自己添加了。作者的解释如下：

OpencvSharp 中使用 cuda

[Reprint]TensorFlow与消息队列–服务器

发表评论

消息队列（Message Queue，简称 MQ），可以将一些费时的任务放入队列，慢慢处理，改善客户端的体验。与TensorFlow服务结合，可以调高服务器的计算能力，将费时的数据传输与相对较快的预测计算分开来

一.数据流图

TensorFlow与消息队列–服务器


[Reprint]opencv + tensorflow + C++ 对RSNet模型进行预测

发表评论

本文介绍了一种使用opencv + c++ 可以在生产环境下调用tensorflow pb文件进行预测的方法。
该方法不需要在生产环境下搭建python运行环境。 流程上相对简单清晰。如果要将神经网络/机器学习添加到几年前项目中，也比较简单可行。

一.pb文件的生成

opencv + tensorflow + C++ 对RSNet模型进行预测

[Reprint]Centos7 + Flask + uwsgi + nginx 部署 TensorFlow

发表评论

本文介绍了一个采用Flask + uwsgi + nginx 部署TensorFlow应用的方法。以此可以搭建一个简单的机器学习云服务器

一. 创建虚拟环境

由于本人安装的电脑带有显卡，所以安装了2个版本的tensorflow，一个带gpu，一个不带gpu。不同版本的tensorflow使用虚拟环境进行分割

Centos7 + Flask + uwsgi + nginx 部署 TensorFlow