首页
投稿
Pytorch图像分类部署-ONNX Runtime安卓手机APP
3.6万
17
2023-05-10 20:40:00
535
272
1075
229
课程总结
收起全部章节
关闭课程总结
暂无课程总结
【同济子豪兄】两天搞定图像分类毕业设计 代码教程:https://github.com/TommyZihao/Train_Custom_Dataset Github代码仓库:https://github.com/microsoft/onnxruntime-inference-examples Android Studio下载:https://developer.android.com/studio 前面的视频中,我们已构建了自己的30类图像分类数据集,用Pytorch迁移学习训练得到自己的图像分类模型。但原生Pytorch模型的推理预测速度慢,且无法完美兼容适配在各种终端硬件设备上。 上一讲视频,将Pytorch模型库预训练ImageNet模型,和自己训练得到的水果分类模型,转换为机器学习通用中间格式ONNX。 本讲视频,使用推理框架ONNX Runtime,在安卓手机端部署ONNX模型。 在Android Studio中,指定ONNX模型和类别文件,修改输入图像尺寸,调用手机摄像头,实时推理预测。打包为apk文件,安卓手机即可安装使用。 【答疑交流、定制开发】 两天搞定图像分类毕业设计答疑交流微信群,公众号 人工智能小技巧 回复 图像分类 开发需求:手机APP、微信小程序、网页开发、服务器部署,公众号 人工智能小技巧 回复 定制开发 加东哥微信
安卓
tensorrt
深度学习
app
pytorch
图像分类
runtime
onnx
openvino
ncnn
创作团队
3人
同济子豪兄
UP主
东哥Talk
研发
OpenMMLab
研发
TensorRT部署封装
1/3
创建者:见习魔法师_Dragon
加载中...
Pytorch图像分类部署-ONNX Runtime安卓手机APP
3.6万播放
使用TensorRT部署神经网络
1.5万播放
基于mmdet的maskrcnn在TensorRT上的端到端部署与精度对齐
3655播放
放在前面-QA01
03:32
00前言
04:16
01mmdet中的MaskRCNN模型结构
04:46
02环境安装
09:38
03采用PytorchAPI进行推理并进行可视化
04:15
04.1初步导出onnx
08:58
04.2解决onnx与pytorch输出结果不一致的问题
28:22
05.1分析缺少哪些算子以及相应插件编译
07:02
05.2TensorRTFP32模型精度对齐
04:36
06.1导出动态batch的onnx
04:48
06.2TensorRT模型动态batch的测试
01:24
07FP16NAN问题的解决
07:27
08总结
12:50
加载中...
加载中...
小窗
客服
顶部
请绑定手机号码
根据相关法律法规要求,请完成实名认证后继续操作
绑定手机