- 博客(135)
- 资源 (1)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 KylinOS银河麒麟安装部署AI服务
pip install dlib==19.24.0 编译不成功。查看是否安装了make 及cmake ，没安装则 yum install make cmake，然后查看版本如下。：http://dlib.net/compile.html 官网下载了19.24.0的zip包，传输到服务器后执行 python setup.py install 手动构建后成功。
2024-04-08 14:03:07
654
原创 报错：NVIDIA-SMI has failed because it couldn‘t communicate with the NVIDIA driver
我在执行了 sudo apt-get install nvidia-driver-515 和sudo apt-get install nvidia-driver-535 后报错依然存在。后来尝试执行了sudo apt-get install nvidia-driver-525 ，问题解决，可以正常显示，并且nvcc -V 版本也更新到了11.7。由于linux内核升级，之前的nvidia驱动就不匹配。这将列出推荐的和可用的显卡驱动。查找适合你的显卡型号的驱动。在执行 nvidia-smi 查看，还是报错。
2024-01-12 10:24:46
379
1
原创 记一次关于FunASR的效率测试
debug 代码后发现， 这个参数实际上是设置torch线程数。torch 默认线程数是CPU核数，funasr这里做了阉割设置，默认为1了（不知道为啥。）修改此参数后可以使得推理速度加快，原本一条。参数可以选择使用GPU或者CPU，这个参数比较好找。这里要说的是另一个参数：ncpu。
2023-12-28 15:47:33
934
原创 基于face_recognition库的人脸识别、对比实现
本项目是世界上最简洁的人脸识别库，你可以使用Python和命令行工具提取、识别、操作人脸。本项目的人脸识别是基于业内领先的C++开源库 dlib中的深度学习模型，用Labeled Faces in the Wild人脸数据集进行测试，有高达99.38%的准确率。但对小孩和亚洲人脸的识别准确率尚待提升。
2023-12-25 15:55:24
455
原创 记一次gunicorn启动报错
使用 gunicorn -w 1 -b 0.0.0.0:5005 main:app 启动时报错。会将gunicorn 的启动参数当作输入。
2023-12-20 17:01:42
451
原创 pytorch--基于语音的性别识别
提升点有很多：还可以基于声纹特征作为训练集、数据预处理的逻辑、transform的逻辑（修改transform会导致数据的张量维度变更，可能需要更改模型结构的部分参数）基于梅尔频谱的语音性别分类模型，训练了20epoch，准确率97%
2023-12-15 16:42:03
463
原创 打包python web服务，编译成.so文件
以flask项目为例，由于主函数main.py中存在如下代码导致不能编译成so文件（todo:或者说使用 -m 0 参数使之编译成so文件，但不知道如何启动运行）可以将main.py做如下修改（注意不能注释掉，否则也不能编译成功），并同级目前新建一个start.py文件运行。
2023-10-13 01:57:47
123
原创 flask服务鉴权
你可以编写自己的装饰器函数来实现鉴权逻辑。# 用户认证函数，根据用户名和密码验证用户# 实际应用中，这里应该根据用户名和密码进行验证# 自定义装饰器函数，用于鉴权@wraps(f)app.run()
2023-09-22 17:25:59
892
原创 导出conda某个环境配置，并再另一台机器安装
将mynewenv替换为您要创建的新环境的名称，environment.yml替换为导出的配置文件的名称。使用以下命令导出要复制的conda环境的配置。将myenv替换为您要导出的环境的名称，并将environment.yml替换为您希望保存配置的文件名。这将创建一个名为environment.yml的文件，其中包含了所选环境的所有依赖项和配置信息。现在，您已经成功地在目标机器上创建并激活了与源机器上的环境相同的conda环境。这将创建一个新的conda环境，其中包含与原始环境相同的依赖项和配置。
2023-09-19 17:43:07
972
原创 通俗理解TP、FP、TN、FN
F1分数（F1-Score）：2 * (Precision * Recall) / (Precision + Recall) = 2 * (0.5455 * 0.2727) / (0.5455 + 0.2727) ≈ 0.3636 (约为0.36)准确率（Accuracy）：(TP + TN) / (TP + TN + FP + FN) = (12 + 16) / (12 + 16 + 10 + 32) = 28 / 70 ≈ 0.4。TP（真正例）：实际标签为1，模型预测为1的数量。
2023-09-19 16:50:42
250
原创 记一次在amd架构打包arm64架构的镜像的试错经历
在ARM体系结构的硬件环境中安装Docker，然后构建并运行ARM的镜像自然非常简单，但是如果没有ARM环境，只有x86的机器又想做这件事情，这时QEMU也就有了用武之地，比如用友的技术中台似乎就是通过QEMU来模拟ARM硬件进行模拟。其模拟的作用可是可以模拟在特定的体系结构下的应用的执行或者构建，比如在x86的体系结构的操作系统上运行ARM的应用。也就是amd平台无法启动arm的镜像。首先Dockerfile 的FROM 基础镜像就的是arm的，在dockerhub 查找带arm标签的相关镜像，
2023-09-12 20:12:28
1142
1
TA创建的收藏夹 TA关注的收藏夹
TA关注的人