ncnn 是一个轻量级的神经网络计算框架，适合在移动端进行深度学习推理。经过 VS2017 编译好的ncnn.lib库，直接拿来就能用，适合开发者快速上手。如果你正在做手机端的 AI 应用，ncnn 无疑是一个不错的选择。它不仅支持多种平台，还能有效降低内存占用，推理速度也挺快的。使用起来简单，几行
Android 0 次浏览
该项目是基于gRPC实现的异步推理框架。服务端采用python实现,客户端封装了grpc,对外仅提供推理相关的三个c接口,可用于跨进程推理。
C++ 22 次浏览
利用框架表示法进行推理 框架表示法提供了一种解决问题的思路，其核心在于通过匹配和继承机制来推导出答案。 求解步骤： 问题框架构建: 将待解决的问题转化为框架形式，其中待求解的答案对应为空槽值或侧面值。 框架匹配: 在已有的框架库中寻找与问题框架匹配的框架。 答案推理: 基于匹配框架的槽值或侧面值，
Android 17 次浏览
iOS 上的深度学习应用怎么跑？Caffe2-iOS就挺方便的。它把原来挺重的 Caffe2 搬到了手机上，支持你直接把训练好的模型丢进 iOS App 里跑推理，像图像分类、物体识别都不在话下。核心是用CoreML和Metal，所以性能也还不错，响应快，不卡顿。 摄像头实时演示也是它的一大亮点，你
Swift 0 次浏览
逻辑推理的 C++小练习，挺适合拿来练练脑子的。四个人的话里，三个真一个假，问你谁做了好事？这题不仅考你逻辑，还考你代码建模能力。思路也简单，先用变量表示的说法，通过逻辑关系判断真假，筛出唯一成立的情况。要点就是把“真话”和“假话”怎么判断写清楚，条件组合别写漏。配合文章里提到的逻辑运算符、逻辑表达
C++ 0 次浏览
命令行搞推理的脚本里，hrt-model-infer.sh算是比较顺手的一个。逻辑清晰，注释也写得蛮到位，跑起来就一个字——稳。适合你在部署模型时快速拉起个测试用例，省得每次都手动拼命令行，太折腾。 hrt-model-infer.sh的参数设计也挺贴心，支持模型路径、输入数据、输出路径这些基础选项
Nodejs 0 次浏览
NNUnet 的 Windows 推理环境配置其实不算太麻烦，但多线程和 lambda 的坑还是挺典型的。多线程报错主要是 Python 在序列化匿名函数（lambda）时不太给力，直接导致推理阶段卡壳。你只要把原来用lambda的地方改成普通函数，比如def func(x): return x+1
Python 0 次浏览
Jess6.1是基于Java语言开发的规则引擎，支持陈述性规则推理，提供完整的Java API接口。该工具快速、轻量且功能强大，附带基于Eclipse平台的开发环境。
Java 45 次浏览
采用Python语言编写的推理公式法，可以通过提供流域特征参数、产汇流参数、暴雨参数计算设计洪水，其中暴雨参数包括流域面积km2、主河道长km、河道平均比降；产汇流参数包括损失参数、汇流参数mm/h；暴雨参数包括t=1h的平均雨强mm/h 、暴雨指数。填好这些参数，直接run程序，不用管其它地方，直
小程序 10 次浏览