介绍
本教程指导如何使用 Halide 语言后端在 OpenCV 深度学习模块中运行模型。Halide 是一个开源项目,它让我们以可读性强的格式编写图像处理算法,根据特定设备安排计算并以相当高的效率对其进行评估。
卤化物项目的官方网站:Halide。
最新的效率比较:https://github.com/opencv/opencv/wiki/DNN-Efficiency
要求
LLVM 编译器
注意
LLVM 编译可能需要很长时间。
- 从 http://releases.llvm.org/4.0.0/llvm-4.0.0.src.tar.xz 下载 LLVM 源代码。打开包装。let llvm_root 是源代码的根目录。
- llvm_root/tools/clang 创建目录
- 下载与 LLVM 版本相同的 Clang。在我们的例子中,它将来自 http://releases.llvm.org/4.0.0/cfe-4.0.0.src.tar.xz。将其解压缩到 llvm_root/tools/clang 中。请注意,它应该是 Clang 源代码的根目录。
- 在 Linux 上构建 LLVM
光盘llvm_rootmkdir 构建 && cd 构建cmake -DLLVM_ENABLE_TERMINFO=OFF -DLLVM_TARGETS_TO_BUILD=“X86” -DLLVM_ENABLE_ASSERTIONS=ON -DCMAKE_BUILD_TYPE=Release ..制作 -j4
- 在 Windows 上构建 LLVM(开发人员命令提示符)
mkdir \\path-to-llvm-build\\ && cd \\path-to-llvm-build\\cmake.exe -DLLVM_ENABLE_TERMINFO=OFF -DLLVM_TARGETS_TO_BUILD=X86 -DLLVM_ENABLE_ASSERTIONS=ON -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=\\path-to-llvm-install\\ -G “Visual Studio 14 Win64” \\path-to-llvm-src\\MSBuild.exe /m:4 /t:Build /p:Configuration=Release .\\INSTALL.vcxproj
注意
\\path-to-llvm-build\\
和 是不同的目录。\\path-to-llvm-install\\
卤化物语言。
- 从 GitHub 存储库下载源代码,https://github.com/halide/Halide 或使用 git。根目录将是一个halide_root。
git clone https://github.com/halide/Halide.git
- 在 Linux 上构建 Halide
光盘halide_rootmkdir 构建 && cd 构建cmake -DLLVM_DIR=llvm_root/build/lib/cmake/llvm -DCMAKE_BUILD_TYPE=Release -DLLVM_VERSION=40 -DWITH_TESTS=OFF -DWITH_APPS=OFF -DWITH_TUTORIALS=OFF ..制作 -j4
- 在 Windows 上构建 Halide(开发人员命令提示符)
光盘halide_rootmkdir 构建 && cd 构建cmake.exe -DLLVM_DIR=\\path-to-llvm-install\\lib\\cmake\\llvm -DLLVM_VERSION=40 -DWITH_TESTS=OFF -DWITH_APPS=OFF -DWITH_TUTORIALS=OFF -DCMAKE_BUILD_TYPE=Release -G “Visual Studio 14 Win64” ..MSBuild.exe /m:4 /t:Build /p:Configuration=Release .\\ALL_BUILD.vcxproj
使用 Halide 后端构建 OpenCV
构建 OpenCV 时,请添加以下配置标志:
WITH_HALIDE
- 启用卤化物联动HALIDE_ROOT_DIR
- Halide 构建目录的路径
将 Halide 设置为首选后端
在线教程
- 麻省理工学院人工智能视频教程 – 麻省理工人工智能课程
- 人工智能入门 – 人工智能基础学习。Peter Norvig举办的课程
- EdX 人工智能 – 此课程讲授人工智能计算机系统设计的基本概念和技术。
- 人工智能中的计划 – 计划是人工智能系统的基础部分之一。在这个课程中,你将会学习到让机器人执行一系列动作所需要的基本算法。
- 机器人人工智能 – 这个课程将会教授你实现人工智能的基本方法,包括:概率推算,计划和搜索,本地化,跟踪和控制,全部都是围绕有关机器人设计。
- 机器学习 – 有指导和无指导情况下的基本机器学习算法
- 机器学习中的神经网络 – 智能神经网络上的算法和实践经验
- 斯坦福统计学习
有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
人工智能书籍
- OpenCV(中文版).(布拉德斯基等)
- OpenCV+3计算机视觉++Python语言实现+第二版
- OpenCV3编程入门 毛星云编著
- 数字图像处理_第三版
- 人工智能:一种现代的方法
- 深度学习面试宝典
- 深度学习之PyTorch物体检测实战
- 吴恩达DeepLearning.ai中文版笔记
- 计算机视觉中的多视图几何
- PyTorch-官方推荐教程-英文版
- 《神经网络与深度学习》(邱锡鹏-20191121)
- …
第一阶段:零基础入门(3-6个月)
新手应首先通过少而精的学习,看到全景图,建立大局观。 通过完成小实验,建立信心,才能避免“从入门到放弃”的尴尬。因此,第一阶段只推荐4本最必要的书(而且这些书到了第二、三阶段也能继续用),入门以后,在后续学习中再“哪里不会补哪里”即可。
第二阶段:基础进阶(3-6个月)
熟读《机器学习算法的数学解析与Python实现》并动手实践后,你已经对机器学习有了基本的了解,不再是小白了。这时可以开始触类旁通,学习热门技术,加强实践水平。在深入学习的同时,也可以探索自己感兴趣的方向,为求职面试打好基础。
第三阶段:工作应用
这一阶段你已经不再需要引导,只需要一些推荐书目。如果你从入门时就确认了未来的工作方向,可以在第二阶段就提前阅读相关入门书籍(对应“商业落地五大方向”中的前两本),然后再“哪里不会补哪里”。
有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓