【YOLOv8改进 - 特征融合NECK】Slim-neck：目标检测新范式，既轻量又涨点
YOLO目标检测专栏探讨了模型优化，提出GSConv和Slim-Neck设计，以实现轻量级模型的高效检测。GSConv减小计算复杂度，保持准确性，适合实时任务。Slim-Neck结合GSConv优化架构，提高计算成本效益。在Tesla T4上，改进后的检测器以100FPS处理SODA10M数据集，mAP0.5达70.9%。论文和代码可在提供的链接中获取。文章还介绍了YOLOv8中GSConv的实现细节。更多配置信息见相关链接。
云计算发展历程和边缘计算
边缘计算通过将计算资源部署在网络边缘，显著降低了延迟，优化了带宽利用，并增强了数据隐私和安全性。其在智能制造、自动驾驶、智慧城市、远程医疗等领域有着广泛的应用前景。随着5G和AI技术的发展，边缘计算将进一步推动数字化转型，成为未来科技发展的重要支柱。
边缘计算和云计算的区别
边缘计算和云计算是两种不同的计算范式。云计算通过互联网提供集中式处理、可扩展性和成本效益等优势，而边缘计算则在数据源附近进行分布式处理，具有低延迟、带宽优化和本地化决策等优点。两者在响应时间、网络带宽和安全性方面有显著区别，常互补使用以满足不同应用场景的需求。
如何认识物联网？还云里雾里不？
物联网，早在95年的比尔盖茨著作《未来之路》中被就提及，如今它已融入我们的生活中，其相关技术被国家大力支持，它和新基建的5G、大数据等技术密切相关，它的发展迎来广阔前景！那么，怎么认识物联网呢？物联网软硬中间件技术引领者叶帆科技CEO兼阿里云MVP刘洪峰给你解答。
边缘人工智能有助于增强物联网优势
在当今的数字世界，人工智能和物联网正在深刻改变我们生活的方方面面。连接到网络的物联网设备数量正以惊人的速度激增。根据国际数据公司(IDC)的数据，到2025年，联网设备将超过410亿部。
PyTorch 与 ONNX：模型的跨平台部署策略
【8月更文第27天】深度学习模型的训练通常是在具有强大计算能力的平台上完成的，比如配备有高性能 GPU 的服务器。然而，为了将这些模型应用到实际产品中，往往需要将其部署到各种不同的设备上，包括移动设备、边缘计算设备甚至是嵌入式系统。这就需要一种能够在多种平台上运行的模型格式。ONNX（Open Neural Network Exchange）作为一种开放的标准，旨在解决模型的可移植性问题，使得开发者可以在不同的框架之间无缝迁移模型。本文将介绍如何使用 PyTorch 将训练好的模型导出为 ONNX 格式，并进一步探讨如何在不同平台上部署这些模型。