0. 具备深度学习以及计算机视觉工业六年落地经验
1. 熟悉 Python 语言,了解 C、C++;熟悉 PyTorch;
2. 熟悉深度学习基础理论,掌握目标检测、实例分割等计算机视觉算法,了解 GAN 和自编码器等技术
3. 熟悉视觉模型云端部署、熟悉 Triton Server,具备多模型部署经验,熟悉ONNX以及TensorRT等
4. 熟悉常用数据结构和基本算法原理
5. 能够熟练阅读计算机相关英文文献和书籍
6. 本硕双一流大学
1. 工业场景目标检测识别:应用目标检测技术实现客户需求,识别准确率达到95%;完成数据收集、模型调优、模型拼接、模型优化及模型部署全流程;
2. 性能优化:目前正在学习CUDA编程,了解GPU计算架构和存储体系以及优化策略
此案例主要基于YOLO检测模型,检测工人是否佩戴安全帽。独立完成数据收集、模型调优以及部署全部流程。
本案例为CUDA通过tiling技术优化矩阵乘法的例子,案例来源于CUDA之父Wen-mei W.Hwu的教材。优化原理为利用数据的局部性,使用线程将数据从global memory读取到shared memory用于计算,从而减少耗时较长的global memory读取操作。