2.1.官方mppsample的总体分析2.1.sample的整体架构(1)sample其实是很多个例程,所以有很多个main(2)每一个例程面向一个典型应用,common是通用性主体函数,我们只分析venc(3)基本的架构是:venc中的main调用venc中的功能函数,再调用common中的功能函数,再调用mpp中的API,再调用HI3518E内部的硬件单元.(4)sample的配置和编译,重点注意很多环境变量,目录结构不要乱动,参考第一季.2.2.sample代码学习的关键(1)得理解很多

本文链接:https://blog.csdn.net/liuxizhen2009/article/details/84261221 海思SDK不对外开放. 海思35系列sdk Hi3507   Hi3507V100R001C01 Hi3511   Hi3507V100R001C01 Hi3515   Hi3515 V100R001C01SPC042   Hi3515 V100R001C01SPC050   Hi3515 V100R001C01SPC090 Hi3516   Hi3516_V100

问题 海思SDK安装时,无法运行sdk.unpack 原因 BASH 和 DASH 的问题. Debian和Ubuntu中,/bin/sh默认已经指向dash,这是一个不同于bash的shell,它主要是为了执行脚本而出现,而不是交互,   它速度更快,但功能相比bash要少很多,语法严格遵守POSIX标准. 解决 方法一 1.vim scripts/common.sh;  第一行, #!/bin/sh 为 #!/bin/bash 2.vim sdk.unpack 第一行, #!/bin/sh

前言: 其实我以前一直不懂电商, 以及电商中所涉及的业务概念. 对于SKU等名词, 觉得有些玄乎. 对其背后的数据模型, 也有莫名的未知恐惧感: 庞大而理不清头绪. 不过最近有机会接触了微商(有赞), 身体力行, 感觉加深了一些了解. 对之前一直谈到的店铺ISV, 也明白其的工作内容. 有赞(口袋通)做得真心的赞, 不过其java版的sdk, 始终觉得有些粗糙. 比如其返回结果是裸json字符串, 对于javaer而言, 习惯了pojo, 直接处理之还是显得有些麻烦, 因此我们需要在此基础上,

海思3516系列芯片SPI速率慢问题深入分析与优化(基于PL022 SPI 控制器) 我在某个海思主控的项目中需要使用SPI接口来驱动一块液晶屏,液晶屏主控为 st7789,分辨率 240x240,图像格式 RGB565. 查阅海思相关手册可知,Hi3516EV200 的 SPI 最高速率为 50MHz,理论上每秒钟可以发送 50M/8=6.25MB 数据.假设我需要在屏幕上以30fps的速率全屏实时显示摄像头的预览画面,每秒的数据量为 240*240*2*30=3456000B=3375KB=

前言   目前主流国产芯片为RV11XX.RK33XX.Hi35XX系列,本系列开启Hi3516系列的开发教程.   Hi3516DV300芯片介绍   Hi3516DV300为专业行Smart IP Camera Soc. 主要特点      芯片逻辑框图    Hi3516DV300 HD IP专门用于做摄像机解决方案      开发板 开发板实物    开发板资源        开发版本提供资料   总的资料如下:    我们主要用到的就是"03硬件文档"和"04海思原

快乐虾 http://blog.csdn.net/lights_joy/(QQ群:Visual EmbedLinux Tools 375515651) 欢迎转载,但请保留作者信息 本文仅适用于vs2013 + velt-0.1.4 1.1    什么是VELT VELT的全称是Visual EmbedLinuxTools,它是一个与visual gdb类似的visual studio插件,用以辅助完成Linux开发.利用这个插件,将可以在visual studio的IDE中进行Linux应用程序

海思SDK版本:Hi3559AV100_SDK_V2.0.1.0 编译器版本:aarch64-himix100-linux-gcc 6.3.0(这个版本有点小问题,使用前需要先清除本地化设置) $ export LANG=C 编译器默认安装到了/opt/hisi-linux/x86-arm/aarch64-himix100-linu目录下. 首先,对编译器做一点小改动. 将/opt/hisi-linux/x86-arm/aarch64-himix100-linux/target/usr链接到/o

深度操作系统海思平台服务器版软件是武汉深之度科技有限公司发布的针对华为海思平台的TaiShan系列服务器发布的企业级服务器操作系统软件产品,主要面向企业级服务器应用场景,为用户在国产化平台上提供更具可用性优势的数据中心.云平台.分布式存储.大数据等解决方案选择. 深度科技研发团队经过近年来产品开发和项目实践,基于深度操作系统产品已积累了大量的技术经验,此次结合华为自研海思CPU平台特性,通过整合上游社区资源,成功发布了针对Hi16xx CPU平台的深度操作系统海思平台服务器版软件V15.2产品.

1.1    什么是VELT VELT的全称是Visual EmbedLinuxTools,它是一个与visual gdb类似的visual studio插件,用以辅助完成Linux开发.利用这个插件,将可以在visual studio的IDE中进行Linux应用程序的开发(包括编译和调试),也可以进行uboot和linux内核的编译,并根据编译时的错误信息正确定位到源码.目前的版本是0.1.4,仅支持vs2013.此插件可以在CSDN下载频道下载(http://download.csdn.ne

对于许多科学家.工程师和开发人员来说,TensorFlow是他们的第一个深度学习框架.TensorFlow 1.0于2017年2月发布,可以说,它对用户不太友好. 在过去的几年里,两个主要的深度学习库Keras和Pytorch获得了大量关注,主要是因为它们的使用比较简单. 本文将介绍Keras与Pytorch的4个不同点以及为什么选择其中一个库的原因. Keras Keras本身并不是一个框架,而是一个位于其他深度学习框架之上的高级API.目前它支持TensorFlow.Theano和CNTK.

在Ubuntu下安装海思sdk时,直接运行安装脚本,会有如下提示: ./sdk.unpack  ./sdk.unpack: 2: ./sdk.unpack: source: not found ./sdk.unpack: 4: ./sdk.unpack: ECHO: not found ./sdk.unpack: 6: ./sdk.unpack: WARN: not found ./sdk.unpack: 7: ./sdk.unpack: WARN: not found ./sdk.unpack

NVIDIA TensorRT高性能深度学习推理 NVIDIA TensorRT 是用于高性能深度学习推理的 SDK.此 SDK 包含深度学习推理优化器和运行时环境,可为深度学习推理应用提供低延迟和高吞吐量. 在推理过程中,基于 TensorRT 的应用程序的执行速度可比 CPU 平台的速度快 40 倍.借助 TensorRT,您可以优化在所有主要框架中训练的神经网络模型,精确校正低精度,并最终将模型部署到超大规模数据中心.嵌入式或汽车产品平台中. TensorRT 以 NVIDIA 的并行编程

深度学习调用TensorFlow.PyTorch等框架 一．开发目标目标 提供统一接口的库,它可以从C++和Python中的多个框架中运行深度学习模型.欧米诺使研究人员能够在自己选择的框架内轻松建立模型,同时也简化了这些模型的产品离子化. 支持TensorFlow.PyTorch.TorchScript和Keras等深度学习框架. 使用一个API从任何支持的框架运行模型,运行TensorFlow模型看起来就像运行PyTorch模型. x = np.array([1, 2, 3, 4]) y =

原来的HiSTBAndroidV500R001C01SPC020\device\hisilicon\bigfish\packages\apps\HiLatinIME\Android.mk内容例如以下: #include $(call all-subdir-makefiles) 使用mm命令没法编译到子文件夹去,后来看到https://android.googlesource.com/platform/packages/inputmethods/LatinIME/+/e245b27a4e520c9

今年 1 月 12 日,Keras 作者 François Chollet‏ 在推特上表示因为中文读者的广泛关注,他已经在 GitHub 上展开了一个 Keras 中文文档项目.而昨日,François Chollet‏ 再一次在推特上表示 Keras 官方文档已经基本完成!他非常感谢翻译和校对人员两个多月的不懈努力,也希望 Keras 中文使用者能继续帮助提升文档质量. 这一次发布的是 Keras 官方中文文档,它得到了严谨的校对而提升了整体质量.但该项目还在进行中,虽然目前已经上线了很多 A

转发——谷歌云官方:一小时掌握深度学习和 TensorFlow 本文转发自新智元,链接如下: http://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2651992687&idx=2&sn=ac773db1f79828bde0656dd3a6c5fe72&chksm=f121469ec656cf882e44d8fde168987f97bd72ea56c8cb2140842cfdd42bab30c3ae9b73e3e5&

视频输入(VI)模块实现的功能:通过 MIPI Rx(含 MIPI 接口.LVDS 接口和 HISPI 接口),SLVS-EC,BT.1120,BT.656,BT.601,DC 等接口接收视频数据.VI 将接收到的数据存入到指定的内存区域,在此过程中,VI 可以对接收到的原始视频图像数据进行处理,实现视频数据的采集. 重要概念 视频输入设备 视频输入设备支持若干种时序输入,负责对时序进行解析. 视频输入 PIPE 视频输入 PIPE 绑定在设备后端,负责设备解析后的数据再处理. 视频物理通道 物

1. 写函数,ICCID_CTRL_KEY  这个是键,有些是海思已经使用的,所以自己定义的时候要错开,函数的第二个参数是数据指针,第三个参数是数据长度 #define ICCID_CTRL_KEY 32786 neul_kv_set(ICCID_CTRL_KEY, (uint8*)&iccid_result, ); 2. 读函数,第一个参数是键,第二个是读取数据的预期长度,第三个是实际读到的长度(返回值指针),第四个是读取数据缓冲区 , &rsp_len, (uint8*)&te

什么是 PyTorch? PyTorch 是一个基于 Python 的科学计算包,主要定位两类人群: NumPy 的替代品,可以利用 GPU 的性能进行计算. 深度学习研究平台拥有足够的灵活性和速度 开始学习 Tensors (张量) Tensors 类似于 NumPy 的 ndarrays ,同时  Tensors 可以使用 GPU 进行计算. from future import print_function import torch 构造一个5x3矩阵,不初始化. x = torch.em