-
2025-07-31 13:31:14
- Windows：PaddleClas 预测部署（三）
- 本文介绍了C++预测代码的编译及封装为dll的流程。编译需准备Cmake、VS2019等工具和相关依赖库，经配置环境变量、Cmake编译生成sln，再用VS生成exe，最后通过cmd预测。封装dll需修改CMakeLists.txt和main.cc，重新生成后可被Python和C#调用。
-
956
-
2025-07-31 13:29:46
- RealSense：简单实现对特定目标的深度测量
- 本文分享结合RealSense深感摄像头与PaddleHub实现目标检测和深度测量的方法。先介绍RealSense的特性及Python调用方式，再说明基于PaddleHub用普通摄像头部署目标检测模型的过程，最后展示整合两者的代码及效果，还提及未来可能分享在其他平台的实现。
-
864
-
2025-07-31 13:28:21
- 【PaddlePaddle】基础理论教程 - 卷积神经网络概论
- 本文围绕二维卷积及卷积神经网络展开，先讲解二维卷积运算的概念、原理及Paddle框架实现，介绍卷积算子的定义、参数。还阐述卷积神经网络的卷积层、汇聚层算子，最后以LeNet为例，说明其在手写体数字识别任务中的数据集构建、模型构建、训练、评价与预测过程。
-
1010
-
2025-07-31 13:25:18
- 使用pyecharts做自己的visualDL
- 本文介绍用pyecharts构建类似visualDL的实时可视化工具，监控模型训练时的LOSS和ACC变化。先安装pyecharts，用paddle.vision的Cifar10数据集和mobilenet_v2模型，配置训练参数与优化器，定义折线图和仪表盘可视化函数，通过定期刷新本地HTML实现实时展示训练状态。
-
251
-
2025-07-31 13:23:45
- 【论文复现】 MnasNet复现以及一些感想
- 本文围绕MnasNet复现展开，介绍了这一谷歌提出的轻量化网络，其通过自动搜索平衡精度与延迟，采用真实手机环境测延迟。复现基于PyTorch实现转为Paddle版本，调整了因硬件限制的参数，采用预热策略等，还提及训练中遇到的精度提升问题及解决办法，最后分享了复现收获。
-
276
-
2025-07-31 13:18:45
- 轻量级人像分割模型：SINet 和 ExtremeC3Net
- 本文介绍SINet和ExtremeC3Net两个轻量级人像分割模型，二者参数分别为0.087M、0.038M，Flop为0.064G、0.128G。可通过PaddleHub快速调用，也能基于PaddleInference推理部署，并给出了Paddle2.0上的实现代码。
-
769
-
2025-07-31 11:51:33
- 轻量级人像分割模型PP-HumanSeg树莓派部署
- 本文介绍将PP-HumanSeg-Lite轻量级人像分割模型部署到树莓派的流程。先克隆PaddleSeg仓库、安装相关工具并下载预训练模型，接着导出静态图模型并转为ONNX格式，最后编写预测代码。将相关文件夹打包至树莓派，即可运行实现实时人像分割。
-
907
-
2025-07-31 11:50:23
- 零编码在手游《明日方舟》中实现目标检测
- 本文介绍用飞桨PaddleDetection框架零编码实现《明日方舟》每日轮换任务检测。先下载安装该框架，建议用AIStudio避免本地安装问题。接着准备数据，替换数据集、修改配置文件，再用GPU训练模型，最后评估效果，检测出任务位置后可结合脚本工具完成任务。
-
862
-
2025-07-31 11:47:10
- 基于PaddlePaddle复现CoTNet
- 基于Self-Attention的Transformer结构，首先在NLP任务中被提出，最近在CV任务中展现出了非常好的效果。然而，大多数现有的Transformer直接在二维特征图上的进行Self-Attention，基于每个空间位置的query和key获得注意力矩阵，但相邻的key之间的上下文信息未得到充分利用。
-
757
-
2025-07-31 11:45:51
- 论文复现：基于PaddleClas复现VovNet
- 本文介绍通过PaddlePaddle复现VoVNet39、VoVNet57并加入PaddleClas，完成flowers102数据集全流程处理。VoVNet基于OSA模块，继承DenseNet多感受野优点，解决密集连接效率低问题，性能与速度优于DenseNet和ResNet。文中详述模型结构、复现代码及在PaddleClas中的训练、测试和评估过程。
-
549
