深度学习中的卷积神经网络（CNN）及其在图像识别中的应用
【10月更文挑战第7天】本文将深入探讨卷积神经网络（CNN）的基本原理，以及它如何在图像识别领域中大放异彩。我们将从CNN的核心组件出发，逐步解析其工作原理，并通过一个实际的代码示例，展示如何利用Python和深度学习框架实现一个简单的图像分类模型。文章旨在为初学者提供一个清晰的入门路径，同时为有经验的开发者提供一些深入理解的视角。
NVIDIA Triton系列05-安装服务器软件
本文介绍了NVIDIA Triton推理服务器的安装方法，涵盖源代码编译、可执行文件安装及Docker容器部署三种方式。重点讲解了在NVIDIA Jetson AGX Orin设备上的安装步骤，适合Ubuntu 18及以上系统。通过检查HTTP端口状态确认服务器运行正常，为后续客户端软件安装做准备。
NVIDIA Triton系列04-创建模型仓
Triton推理模型仓库是NVIDIA Triton推理服务器的基础组件，用于组织和管理模型及其相关资源。本文介绍如何创建模型仓库，包括目录结构、文件内容及配置方法，适用于本地和云端环境。通过在NVIDIA Jetson AGX Orin平台上实践，帮助读者快速上手。
Pytorch的常用模块和用途说明
肆十二在B站分享PyTorch常用模块及其用途，涵盖核心库torch、神经网络库torch.nn、优化库torch.optim、数据加载工具torch.utils.data、计算机视觉库torchvision等，适合深度学习开发者参考学习。链接：[肆十二-哔哩哔哩](https://space.bilibili.com/161240964)
NVIDIA Triton系列01-应用概论
NVIDIA Triton推理服务器为AI服务类应用提供全面解决方案，支持多种处理器、框架及模型类型，优化部署与性能，适用于在线推荐、图像分类等场景。文中介绍了Triton在微软Teams、微信视觉应用及腾讯PCG在线推理中的成功案例，展示其在提升性能、降低成本方面的显著效果。
Python中Thop库的常见用法和代码示例
肆十二在B站分享了关于THOP（Torch-OpCounter）的实战教学视频。THOP是一个用于计算PyTorch模型操作数和计算量的工具，帮助开发者评估模型复杂度和性能。本文介绍了THOP的安装、使用方法及基本用例，包括如何计算模型的FLOPs和参数量。
NVIDIA Triton系列02-功能与架构简介
本文介绍了NVIDIA Triton推理服务器的功能与架构，强调其不仅适用于大型服务类应用，还能广泛应用于各类推理场景。Triton支持多种模型格式、查询类型和部署方式，具备高效的模型管理和优化能力，确保高性能和系统稳定性。文章详细解析了Triton的主从架构，包括模型仓库、客户端应用、通信协议和推理服务器的核心功能模块。