迁移学习是一种在新数据集上重新训练 DNN 模型的技术,它比从头开始训练网络花费的时间更少。通过迁移学习,可以微调预训练模型的权重以对自定义数据集进行分类。在这些示例中,我们将使用 ResNet-18 和 SSD-Mobilenet 网络,尽管您也可以尝试其他网络。
继续阅读作者归档:admin
Jetson Nano AI入门(3)— 使用DetectNet进行目标检测
前面的图像识别示例输出了代表整个输入图像的类的概率。接下来我们将专注于目标检测(Objection Dectection),并通过提取它们的边界框来查找框架中各种目标的位置。与图像分类不同,目标检测网络能够每帧检测许多不同的对象。
继续阅读Jetson Nano AI入门(2)— 使用ImageNet进行图像识别
有多种类型的深度学习网络可用,包括识别、检测/定位和语义分割。我们在本教程中强调的第一个深度学习能力是图像识别(Image Recognition),它使用在大型数据集上训练过的分类网络来识别场景和对象。
继续阅读Jetson Nano AI入门(1)— 初始环境配置
Jetson Nano是英伟达公司推出的一款功能强大的AI入门学习开发板,配备了128核的Maxwell GPU, 4核Arm Cotex A57 CPU,4G内存,支持摄像头,usb,HDMI接口,sd卡扩展,还提供了GPIO, I2C, I2S, SPI, UART通用的单片机接口。由于其强大的硬件配置,AI模型可以直接在本地训练和推导。
继续阅读Femap螺栓预紧教程
Łukasz Skotny
我认为许多工程师,特别是在结构领域,开始使用有限元分析来计算复杂的连接。在这类问题中存在一些陷阱,其中之一是预载螺栓!这就是我在Femap(Finite Element Modeling And Postprocessing,是由西门子公司提供的一款工程分析软件,主要用于创建复杂工程结构的有限元模型(即前处理)以及用于查看求解结果(即后处理))中创建教程的原因!我希望你会喜欢它!
继续阅读应力奇点—一个诚实的讨论
FEA如何确定合适的网格尺寸
Łukasz Skotny
网格大小是FEA中最常见的问题之一。这里有一条细微的界限:大的元素会给出糟糕的结果,而小的元素会导致计算时间过长,使得根本无法得到结果。你永远无法真正确定你的网格大小在这个范围的哪个位置。学习如何选择正确的网格大小,并估计在哪个网格大小下解决方案的准确性是可接受的。
继续阅读金属塑性(8)— 铝材冲压模拟
冲压工艺是一个典型的塑性变形过程,本文将建立一个简单的冲压模具,并采用Ansys Mechanical模拟冲压过程。
一、CAD建模
使用CAD软件建立如下简单的冲压模具,包括冲头,板材和凹模。
继续阅读金属塑性(7)—塑性模拟中的收敛问题
金属塑性是 Ansys Mechanical 中最常用的材料非线性选项之一。它代表了多种常用的延展性金属,众所周知,这些金属的屈服强度符合Von Mises屈服标准。当包含在 FEA 模型中时,金属塑性有时可能会遇到收敛挑战。在本讲座中,我们将解释如何诊断金属塑性模型何时成为不收敛的影响因素。
继续阅读金属塑性(6)— 如何评估塑性应力与屈服
塑性是许多工程应用中的重要行为,例如冷轧、金属成型等。在本讲座中,我们将向您展示如何在发生屈服时获取并验证应力-应变曲线。 如何解决与应力-应变曲线进行比较时明显的不匹配问题以及平均节点值和非平均节点值之间的差异。
继续阅读