概述Model Reparameterization: RepVGG 與後續作 (RepOptimizer, QARepVGG, MobileOne)
概述Model Reparameterization: RepVGG 與後續作 (RepOptimizer, QARepVGG, MobileOne) 在電腦視覺 (Computer Vision) 領域上，不論歷經 ViT (Vision Transformer) 如何地挑戰， …
Continue ReadingShowing items from edge computing
EfficientNet V2的背後: 釋放MobileNet在GPU/TPU上的效率
EfficientNet V2的背後: 釋放MobileNet在GPU/TPU上的效率 **在低運算量的類神經網路架構中，結合 inverted bottleneck與 depth-wise convolution的 **MobileNet **與其衍生的 **EfficientNet **系列堪稱 …
Continue Reading
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
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