对于七天打卡的一个总结体会 首先是很感激这次百度的七日打卡营活动； 对于一名什么都不懂的小白来说（真真正正的小白），百度的这次7日打卡活动给我带来的的有很多。 在加入这次打卡活动之前我就只有一些c语言和python的学习，还有一点机器学习的概念知识。还记得在第一天的打卡中接触到了爬虫，并且这也是我第一次接触了爬虫，在百度七日打卡活动的直播中明白了爬虫的使用方法，这应该是我第一天最大的收获了。而且第一天的作业应该是比较简单的，但是我还是由于知识的匮乏，特别是python和数学的知识，并不能解答出来，不过多亏群里面大佬的博客我也能顺利地完成的作业。 同时，在后面的几日打卡活动中，收获更是满满，了解

Jetpack版本可以使用 jtop 命令查看。以下是该包编译时的设置项： -DWITH_CONTRIB=OFF -DWITH_MKL=OFF -DWITH_MKLDNN=OFF -DWITH_TESTING=OFF -DCMAKE_BUILD_TYPE=Release -DON_INFER=ON -DWITH_PYTHON=ON -DWITH_XBYAK=OFF -DWITH_NV_JETSON=ON -DPY_VERSION=3.6 -DWITH_TENSORRT=ON -DCUDA_ARCH_NAME=Auto

三个标点符号的标点符号模型，包括，。？这三个标点符号，使用教程：https://blog.csdn.net/qq_33200967/article/details/126858763

PaddleDetection的模型GPU推理库---paddle_inference_CUDA10.2_cudnn7.6.5.zip

opencv-3.4.6-vc14_vc15.zip---官方OpenCV安装包，可配合PaddleInference推理库部署Paddle模型使用

PaddlePaddle的目标检测模块项目文件包--PaddleDetection-release-2.4

基于PaddlePaddle实现的EcapaTdnn声纹识别超大数据模型，这个模型使用的是声谱图（spectrogram） 源码地址：https://github.com/yeyupiaoling/VoiceprintRecognition-PaddlePaddle

卷积空间传播网络 程新京，王鹏，关晨烨，杨瑞刚 内容 介绍 此回购协议包含针对深度完成和立体深度估计而训练的CSPN模型，如“ ”和“”中所述 我们在这里提供两种实现。 首先，我们通过Pytorch实施了一个简单的2D CSPN，将“异地”和“转换”操作结合在一起。 然后，我们通过CUDA提供了更有效的2D / 3D CSPN实施，并将它们集成到PaddlePaddle中，从而更加稳定和易于使用。 引文 如果您在研究中使用此方法，请引用： @inproceedings{cheng2018depth, title={Depth estimation via affinity learned with convolutional spatial propagation network}, author={Cheng, Xinjing and Wang, Peng and Yang,

基于PPLiteSeg的车道线语义分割算法，自制成可实时调用的API，设置逻辑使其能实时输出相应的转向角度，帮助无人车在沿车道行驶的路况下实现无人驾驶。 博客地址：https://blog.csdn.net/weixin_51331359/article/details/126223158?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22126223158%22%2C%22source%22%3A%22weixin_51331359%22%7D&ctrtid=KeE3k

基于PaddlePaddle实现的EcapaTdnn声纹识别超大数据模型，这个模型使用的是声谱图（melspectrogram） 源码地址：https://github.com/yeyupiaoling/VoiceprintRecognition-PaddlePaddle