1. 前述:
每一个时代都有它自己的弄潮儿,每一个弄潮儿都能在自己时代的浪花上驰骋。但浪潮之后,谁还在水面,谁还在水下,继续等待下一浪潮的到来。前段时间一直在阅读吴晓波所著的激荡系列,从激荡三十年讲述我国从计划经济到市场经济的变革当中的各类企业及人物的野蛮生长史,再到激荡十年,我国由外增长走向内增长时代下,各企业从管理,技术,创新等层面的进步,推动着又一次的蓬勃发展。
每一个时代都有它自己的弄潮儿,每一个弄潮儿都能在自己时代的浪花上驰骋。但浪潮之后,谁还在水面,谁还在水下,继续等待下一浪潮的到来。前段时间一直在阅读吴晓波所著的激荡系列,从激荡三十年讲述我国从计划经济到市场经济的变革当中的各类企业及人物的野蛮生长史,再到激荡十年,我国由外增长走向内增长时代下,各企业从管理,技术,创新等层面的进步,推动着又一次的蓬勃发展。
今年的一季度,如果找一个词语去形容,想了一会儿,感觉近期阅读的一本书名挺适合它的,激荡。一季度,首先时间很激荡,中间荡漾着一个年,而我对各项计划安排也很激荡,各季度总结也没有按时发布,感觉时间观念又逐渐被弱化了。第二是计划执行也很激荡,各项指标都没达标,心性还是激荡着。第三是投资也很激荡,年初先是标的获取超预期收益,后又大幅度回落,然后无心插柳柳成荫的一笔数字货币反而成为目前最大收益,荡来荡去,好似又回到原点,但目标却已达成。
如果要给2020一个词语,我想给予的是致敬。年初的疫情让人们短时间内陷入一片恐慌,人们总是害怕未知的东西。而后续国人强大的凝聚力及政府的执行力,短时间内将疫情控制住,让我国经济及社会得以快速恢复运行。对此,向社会各界人士的我们致敬,致敬我们每一个人。
回到主题,每个季度我都会为自己季度内的各项事项进行总结,对flags进行验收,以量化的数据衡量自身一段时间内的表现。一个人的变化可以从物质,思想等的改变中表现。物质的变化是一个人在当前阶段的价格体现,而思想的变化是一个人最终的价值体现。
四季度以来,虽然物质方面有一定的提升,但由于阅读的减少,思想方面却没有明显的改变,感觉还是曾经的自己。至于为什么有这种感觉呢?是因为当我提笔时,脑海中却没有画面的涌入,下笔没有流水般的顺畅。
记得很多人说过,小时候总觉得时间过得很慢,想快快长大,但没想到长大了,时间过得又那么快,一眨眼,2020年的三季度就这么过去了,再有那么几个月,就过年了。看了看自己前两季度的总结,总觉得像流水账,记录了结果,却没记录过程,记录了过程,却没记录思想的变化及成长。有时候,成长就是被我们这么遗忘的。
That is no doubt that artificial intelligence has created real value in the digital industries such as media and advertising, finance and retail with great promises. While deep learning has been widely applied in all walks of life, the hard truth is that using multiple, gigantic datasets to train or infer them still takes a ton of processing power. Processing an image or other data with a deep neural implies billions of operations, huge matrices of many dimensions being multiplied, inversed, reshaped, and fourier transformed.
Clearly, for real-time applications such as facial recognition or the detection of defective products in a production line. It is important that the result is generated as quickly as possible, and without the need for an expensive and power hungry CPU or GPU. So I try to find the best way to solve these problem on edge device.
In this paper, I will introduce Openvino and TensorRT for you, which are the deep learning inferencd engines on CPU or GPU in lower cost edge device. But firstly, you need to train your model by other deep learning platform such as Tensorflow or Pytorch. As for me, I obtain the original model trained by Pytorch in my local host with Nvidia 1080Ti and export it to ONNX format model for converting easily.