文档建议反馈控制台
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
发布

如何获得更小的应用文件尺寸？来了解下 Android App Bundle

如何针对不同的用户给出最优的安装体验，正是 Android App Bundle 所要解决的问题。本文将阐述 App Bundle 可以带来的好处，并演示如何使用这种全新的分发功能。 ?...您的屏幕尺寸不会改变，您的 CPU 也不会; 您通常不会说应用所支持的所有语言。很明显，APK 里的内容的比您要求的更多，占用的空间也比实际需要的更多。...如果因为上述原因带来的臃肿的 APK 让您颇为困扰，现在解决方案就在眼前 —— 今年在谷歌 I/O 上发布的 Android App Bundle，可以帮助开发者用更小尺寸的 APK 交付出同样卓越的应用...Android App Bundle 代表着 Android 应用交付的未来，接下来我们就可以看到如何构建这样的一个安装包。 Android App Bundle !...如果您使用 Android Studio 3.2 及更高版本，那么您只需点击几下即可生成已签名的应用束，将其上传到 Play Store，即可让用户开始享受更小尺寸 APK 所带来的便利。

2.7K20
    • 您找到你想要的搜索结果了吗？
    是的
    没有找到

    如何获得可调整的矢量统计图？

    矢量统计图听过。 可调整的矢量统计图是什么呢？ 今儿说说EMF图片格式。...有些期刊更“过分”，整篇文章仅接受3张图片，这样的话势必需要将原始图片进行组合，但是组合的图片数量越多，最后输出的图片就极可能超过规定大小。 为啥要求图片可编辑呢？...因为有些时候，期刊在出版时需要根据版面的实际情况微调统计图的数字方向或样式。由此看来，EMF格式的统计图就显得十分重要了。 获取EMF格式统计图，还得靠老科研软件GraphPad Prism。...只需要在输出图片的时候选择如下参数即可。↓ ? （注：图片输出背景尽量选择Clear，这样得到的图片背景为透明，在后面组合图片时不会出现图片之间因为背景而出现的互相遮挡。）...基本上，任何软件导出图片时，只要存在EMF格式选择项，尽量首选此格式，便于AI组图或满足期刊要求。

    2.3K20

    如何获得白色背景产品6-色度抠图

    色度抠图色度抠像常用在视频的处理中，绿幕抠图、背景替换等，很多的电影、电视剧中比较炸裂的场景、特效就是通过色度抠图，再添加内容实现的，是一个非常实用的视频剪辑功能。...色度抠图优缺点+ 高性价比在摄影过程中引入色度抠像几乎不需要过多的费用。绿色的屏幕背景加上配备人员的编辑软件通常是唯一的要求。...– 需要编辑技能这种抠图方式难度并不大，但大多数确实需要编辑技能，并且至少对Photoshop技术有基本的了解。– 耗时使用色度抠像需要大量的手动调整，例如边缘细化和颜色溢出校正。...如果产品属于困难的类别，修图师将不得不投入更多的处理时间。– 不适用于所有产品透明或高反射率的产品几乎不可能使用色度抠图进行处理。这种方法对于玻璃器皿甚至珠宝来说都是不行的。...当然，员工需要接受使用色度抠图的培训，这会产生额外的成本。

    80520

    如何让机器获得幽默感——Google图学习技术揭秘

    图往往包含了标记数据（输出类别或标签已知的节点）和未标记数据（没有标签的节点）。接着，Expander的框架在图上传播标签信息，用半监督式的学习方法给所有节点打上标记。 然而，说起来容易做起来难！...我们需要： 用最少的监督来有效率地学习（即极少量的标记数据）； 处理多种形态的数据（即数据的异形表达和多种数据源）； 解决高维数据的预测难题（高维、复杂的输出空间），数据可能还含有噪音。...整个学习过程中的关键成分就是图与节点的连接方式。图的形状、尺寸千变万化。...为了理解Expander的系统如何学习，我们来看一下下图所示的例子。 ? 图中有两类节点：“灰色”表示未标记数据，彩色的是标记过的数据。节点之间的关系用边来表示，边的粗细表示关系的强弱。...本人比较好奇的是基于图的方法在个性化回复方面有什么改进，系统如何针对用户的聊天习惯生产回复内容，在庞大数据的前提下它能多像使用者。

    78050

    ONNX Runtime推理优化实战

    常见的图优化包括：算子融合：将多个连续操作合并为一个更高效的算子常量折叠：提前计算图中的常量节点无用节点消除：移除对输出无影响的节点图优化实现from onnxruntime import OnnxRuntimeErrorfrom...Runtime on CPUs》论文中，作者详细介绍了如何在现代CPU架构上充分利用ONNX Runtime的优化能力。...preprocess_image(image_path): """图像预处理函数""" # 读取图像 image = cv2.imread(image_path) # 调整大小到模型输入尺寸...未优化12.580.0-ONNX图优化8.7114.9-ONNX量化4.2238.10.8从结果可以看出，经过图优化和量化的模型在推理延迟和吞吐量上都有显著提升，同时精度下降在可接受范围内。...测试结果显示：指标手机CPU手机GPU推理延迟（ms）3218吞吐量（FPS）31.2555.56这表明量化后的ONNX模型在移动设备上也能获得良好的性能，特别是在GPU加速下。VI.

    1.9K21

    一款证件照AI自动化处理神器：AI-ID-Photo-LiYing，几步搞定证件照的后期处理

    AI-ID-Photo-LiYing 是一款基于 AI 的智能证件照自动化处理神器，支持智能证件照、商务照、证件照抠图、AI 制作不同尺寸证件照等核心功能： 自动识别人脸与人体，AI 智能抠图与背景一键替换...智能角度校正，自动调整至最佳拍摄姿态 支持 1″、2″、3″、4″、5″、6″ 等多种多尺寸证件照制作 批量裁剪、压缩与智能排版，一键输出符合公安、出入境、简历、签证、资格证等多场景需求的高质量证件照...工作流程 整个处理流程一图看懂： 输入符合规范的单人肖像照片 人体/人脸检测与关键点定位 倾斜角度修正 自动扣图 & 背景填充 按指定规格裁剪 排版输出证件照表格 注意：AI-ID-Photo-LiYing...模型需根据 官方指南 导出为 ONNX，或直接下载本项目 Release 中提供的 ONNX 版本。...、美观的证件照，一键实现从批量扣图到排版的全流程自动化。

    1.6K10

    从 0 到 1，使用 OpenPPL 实现一个 AI 推理应用

    cat.jpeg 深度学习推理框架 OpenPPL 已经开源了，本文以一个图像分类实例，从 0 到 1 讲解如何部署一个深度学习模型，完成一个 AI 推理应用。...可以注册多种不同的 engine，框架会自动将计算图拆分成多个子图，并调度不同的 engine 进行计算。 3....模型里已经将输入尺寸固定，PPLNN 仍会动态调整输入尺寸 auto status = input_tensor->ReallocBuffer(); // 当调用了 Reshape 后，必须调用此接口重新分配内存...跟 ONNX Runtime 不同的是，即使 ONNX 模型里固定了输入尺寸，PPLNN 仍可以动态调整网络的输入尺寸（但需保证输入尺寸是合理的）。...运行 pplnn-build/samples/cpp/run_model/classification onnx_model_file> 推理完成后，会得到如下输出： image

    1.9K40

    基于OpenVINO在C++中部署YOLOv5-Seg实例分割模型

    首先，运行命令获得 yolov5s-seg ONNX 格式模型：yolov5s-seg.onnx： python export.py --weights yolov5s-seg.pt --include...onnx 然后运行命令获得yolov5s-seg IR格式模型：yolov5s-seg.xml和yolov5s-seg.bin，如下图所示 mo -m yolov5s-seg.onnx --compress_to_fp16...另外，从代码可以看出YOLOv5-Seg模型的输出有两个张量，一个张量输出检测结果，一个张量输出proto，其形状可以用Netron打开yolov5-seg.onnx查知，如下图所示。...0~84)表示：cx、cy、w、h、confidence和80个类别分数，后32个字段与”output1”做矩阵乘法，可以获得尺寸为160x160的检测目标的掩码(mask)，如下图所示。...，并用cv::dnn::NMSBoxes()过滤掉多于的检测框；从”detect ”输出张量的后32个字段与”proto”输出张量做矩阵乘法，获得每个检测目标的形状为160x160的掩码输出，最后将160x160

    2.6K31

    用opencv的dnn模块做yolov5目标检测

    在这两行代码的下一行： 它的作用是做特征图的输出通道对齐，通过1×1卷积把三种尺度特征图的输出通道都调整到 num_anchors*(num_classes+5)。...pytorch转onnx常见坑： 1. onnx只能输出静态图，因此不支持if-else分支。一次只能走一个分支。如果代码中有if-else语句，需要改写。 2. onnx不支持步长为2的切片。...主要是因为它的输入图片尺寸比传统yolov3，v4，v5系列的要小，它的输出特征图尺寸个数，也比传统yolo的要少，最后对网格点上的3个anchor是共享类别置信度的，这也减少了特种通道数。...onnxruntime读取.onnx文件可以获得输入张量的形状信息， 但是opencv的dnn模块读取.onnx文件无法获得输入张量的形状信息，目前是根据.onnx文件的名称来解析字符串获得输入张量的高度和宽度的...在opencv的dnn模块里有个函数getLayersShapes，从函数名称上看，它是获得层的输入和输出形状信息的。但是我在程序里尝试使用这个函数来获得输入张量的形状信息，但是出错了。

    3.4K10

    Pytorch转NCNN的流程记录

    sudo apt-get install protobuf-compiler libprotoc-dev cd ONNX python setup.py install 问题4：模型输出结果的尺寸固定...概述：直接转换得到的onnx模型的Resize算子都是固定输出尺寸的，无论输入多大的图片都会输出同样大小的特征图，这无疑会影响到模型的精度及灵活性。...ONNX模型不同 解决：逐层对比NCNN与onnx模型的输出结果 使用onnxruntime（Python）和NCNN（C++）分别提取每个节点的输出，进行对比。...问题5衍生问题：ONNX没有提供提取中间层输出的方法 解决：给要提取的层添加一个输出节点，代码[6]如下： def find_node_by_name(graph, node_name):...细节3：角度检测在对于小尺寸文字的识别精度不高，尤其是对较长的数字序列，可能需要重新训练。

    3K51

    转载：【AI系统】模型转换基本介绍

    以 ONNX 为例，要实现 ONNX 模型的动态输入尺寸，首先需要加载原始 ONNX 模型，可以通过 ONNX 提供的 Python API 实现，例如使用onnxruntime.InferenceSession...然后创建输入张量，并将其尺寸设置为想要的动态尺寸。这里的关键是要了解哪些维度是可以动态变化的，哪些维度是固定的。例如，对于图像分类任务，输入图像的高度和宽度可能是可变的，而通道数通常是固定的。...可以使用 Python 的 numpy 库创建一个具有动态尺寸的输入张量。将创建的输入张量传递给 ONNX 运行时库，并调用 InferenceSession的run方法进行模型推理。...这个方法会接受输入张量，并返回模型的输出张量。这一步会执行模型的前向传播，产生输出结果。最后使用 ONNX 运行时库获取输出张量并处理结果。...图优化 图优化主要研究如何通过优化计算图的结构和执行方式来提高模型的效率和性能。其中最核心的有算子融合、算子替换、布局调整、内存分配等。

    61210

    【AI系统】模型转换基本介绍

    以 ONNX 为例，要实现 ONNX 模型的动态输入尺寸，首先需要加载原始 ONNX 模型，可以通过 ONNX 提供的 Python API 实现，例如使用onnxruntime.InferenceSession...然后创建输入张量，并将其尺寸设置为想要的动态尺寸。这里的关键是要了解哪些维度是可以动态变化的，哪些维度是固定的。例如，对于图像分类任务，输入图像的高度和宽度可能是可变的，而通道数通常是固定的。...可以使用 Python 的 numpy 库创建一个具有动态尺寸的输入张量。将创建的输入张量传递给 ONNX 运行时库，并调用 InferenceSession的run方法进行模型推理。...这个方法会接受输入张量，并返回模型的输出张量。这一步会执行模型的前向传播，产生输出结果。最后使用 ONNX 运行时库获取输出张量并处理结果。...图优化图优化主要研究如何通过优化计算图的结构和执行方式来提高模型的效率和性能。其中最核心的有算子融合、算子替换、布局调整、内存分配等。

    86110

    【亚马逊加盟对抗谷歌联盟ONNX】微软Facebook深度学习开源联盟再添盟友

    任何能够输出ONNX模型的工具都有助于ONNX兼容的运行时及库。 Facebook在官方博客介绍说，ONNX是Facebook AI团队深度学习的重要组成部分。...通过 ONNX，我们可以在这两个方面获得最优。我们现在可以从PyTorch导出许多常见神经网络的模型，并将它们部署在Caffe2上。这是将最新的研究成果快速推向生产的第一步。...要了解它是如何工作的，看以下代码： x = y * 2 if someComplicatedFunction(): z = x + y else: z = x * y 要直接导出此代码，ONNX...例如，在PyTorch条件中，通常是对输入张量的大小或尺寸进行的一些计算。...每个计算数据流图被构造为形成非循环图的节点列表。节点具有一个或多个输入和一个或多个输出。每个节点是对 operators 的调用。

    1.3K80

    yolov5模型转换NCNN模型部署

    说明：pytorch模型转换成onnx模型，及onnx模型简化和转ncnn模型在引用的文章中都有详细的说明，可移步至引用文章中查看。...图1 其实yolov5 v1-v5版本在训练完后，使用onnx2ncnn.exe将简化后的onnx模型转换成ncnn模型时主要出现这个问题。...图2 图3 根据nihui大佬的方案看，主要做两步工作，一是删除这里报错的网络层，然后自定义一个新层作为替代，第二步是修改输出参数，做完这两步就可以使用了。...动态尺寸推理 图6 说明：为什么要修改这里，nihui大佬的解释是 u版yolov5 是支持动态尺寸推理，但是ncnn天然支持动态尺寸输入，无需reshape或重新初始化，给多少就算多少。...u版yolov5 将最后 Reshape 层把输出grid数写死了，导致检测小图时会出现检测框密密麻麻布满整个画面，或者根本检测不到东西。

    3.1K20

    【重磅】微软Facebook联手发布AI生态系统，CNTK+Caffe2+PyTorch挑战TensorFlow

    通过 ONNX，我们可以在这两个方面获得最优。我们现在可以从PyTorch导出许多常见神经网络的模型，并将它们部署在Caffe2上。这是将最新的研究成果快速推向生产的第一步。...要了解它是如何工作的，看以下代码： x = y * 2 if someComplicatedFunction(): z = x + y else: z = x * y 要直接导出此代码，ONNX...例如，在PyTorch条件中，通常是对输入张量的大小或尺寸进行的一些计算。...ONNX 表征使得优化更容易实现，从而覆盖更多开发人员。 技术总结 ONNX 提供了可扩展计算图模型的定义，以及内置 operators 和标准数据类型的定义。起初我们专注于推理（评价）所需的能力。...每个计算数据流图被构造为形成非循环图的节点列表。节点具有一个或多个输入和一个或多个输出。每个节点是对 operators 的调用。

    87440

    开源一年多的模型交换格式ONNX，已经一统框架江湖了？

    当然除了这些开源工作，ONNX 社区还有更多的实践，例如如何部署 ONNX 模型到边缘设备、如何维护一个包罗万象的 ONNX Model Zoo 等。...本文主要从什么是 ONNX、怎样用 ONNX，以及如何优化 ONNX 三方面看看 ONNX 是不是已经引领「框架间的江湖」了。...每一个计算流图都定义为由节点组成的列表，并构建有向无环图。其中每一个节点都有一个或多个输入与输出，每一个节点称之为一个 OP。这相当于一种通用的计算图，不同深度学习框架构建的计算图都能转化为它。...Model Zoo ONNX Model Zoo 包含了一系列预训练模型，它们都是 ONNX 格式，且能获得当前最优的性能。...如下所示，ONNX 格式的模型可以传入到蓝色部分的 Runtime，并自动完成计算图分割及并行化处理，最后我们只需要如橙色所示的输入数据和输出结果就行了。 ?

    2.3K40

    张高兴的 Raspberry Pi AI 开发指南：（三）将自定义模型编译为 Hailo NPU 的 .hef 模型

    在上一篇博客中，探讨了如何使用 Python 和 hailo_model_zoo 中预编译的模型来实现目标检测。...本篇博客将深入介绍如何将用户自定义训练的模型转换并优化为能够在 Hailo NPU 上高效运行的 .hef 模型。...end_node_names：原始模型中停止转换的节点（对应新模型的输出）的名称。...这些统计信息用于确定如何最佳地映射浮点数到整数，从而保持模型性能，这个过程不需要知道输入数据对应的标签，只需要了解数据的分布特性。...os.path.join(images_path, img_name)) resized = cv2.resize(img, (input_size, input_size)) # 调整原始图像的尺寸为模型输入的尺寸

    63710

    使用ONNX将GPT Neo（或其他）投入生产

    在本文中，你将了解什么是ONNX，以及如何将torch和tensorflow transformers模型移植到ONNX。 你还将学习如何定制torch实现以及如何在之后导出它。...在后台，ONNX提供了一种定制的文件格式，一种由节点组成的计算图，节点本身由基本操作符组成。ONNX拥有大量与深度学习和机器学习相关的核心操作，还提供了使用定制操作的能力。...引用他们的主页：https://onnx.ai/about.html ONNX提供了可扩展计算图模型的定义，以及内置操作符和标准数据类型的定义。...每个计算数据流图都被构造为一个节点列表，这些节点构成一个非循环图。节点有一个或多个输入和一个或多个输出。每个节点会调用某些操作。这个图还有元数据来帮助记录它的目的、作者等。...从一开始就要记住你要如何优化它。 结论 在本文中，我们深入研究了ONNX以及如何从pytorch和tensorflow导出模型。现在你可以直接从pytorch自定义和导出模型。

    3.1K30
    点击加载更多

    相关资讯

    热门标签

    更多标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      腾讯云开发者

      扫码关注腾讯云开发者

      扫码关注腾讯云开发者

      领取腾讯云代金券

      热门产品

      热门推荐

      更多推荐

      Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

      深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 粤公网安备44030502008569号

      腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号

      领券