Showing items from computer vision

post-thumb

Tensorflow 2的Quantization Aware Training指南

Tensorflow 2的Quantization Aware Training指南 在低運算資源的平台上,神經網路的計算資源通常會有明顯的限制。為了追求低運算量的神經網路,有兩個常見大方向,一個大方向是透過各種魔改技巧,將最有效率的架構保留下來,包含架構設計 (如MobileNet) 、 …

Continue Reading
post-thumb

MobileDets: FLOPs不等於Latency,考量不同硬體的高效架構

MobileDets: FLOPs不等於Latency,考量不同硬體的高效架構 關於深度學習模型可以說有兩個大方向:一個是不考慮運算量,追求最好的結果;另一個是在有限的運算量,追求足夠好的結果。明顯地,在應用端上後者尤其重要。 在這方面,2019年EfficientNet …

Continue Reading