@captainst 多謝??
CNN推理優(yōu)化系列之三：Channel pruning介紹 曾在‘CNN推理優(yōu)化系列之一: Filter pruning’中講過filter pruning在CNN inference時(shí)的優(yōu)化。此篇同樣也是致力于減少layer計(jì)...
發(fā)簡(jiǎn)信
IP屬地：云南
-
-
已更正，多謝。
經(jīng)典分類CNN模型系列其八：ResNeXt
介紹 越來越喜歡Facebook的東西了，雖然很久以來我一直是個(gè)Google產(chǎn)品及技術(shù)的忠實(shí)粉絲。但最近在AI框架上一直頻繁去翻弄Pytorch/Caffe2，感覺其API及...
-
Caffe2核心代碼解析系列之七：Operator其二
Operator 基本特點(diǎn) Caffe2中大多數(shù)我們所接觸的operator都是class Operator的子類。 而Operator則是上系列中我們提及的class Op...
-
CNN推理優(yōu)化系列之三：Channel pruning介紹 曾在‘CNN推理優(yōu)化系列之一: Filter pruning’中講過filter pruning在CNN inference時(shí)的優(yōu)化。此篇同樣也是致力于減少layer計(jì)...
-
Caffe2核心代碼解析系列之六：Operator其一
介紹 在Caffe2的設(shè)計(jì)中，一切操作皆是Op。其中數(shù)據(jù)IO操作相關(guān)的ops有CreateDBOp、PrefetchOperator、ImageInputOp等；用于初始化數(shù)...
-
CNN推理優(yōu)化系列之二：INT8 Quantization介紹 Low bits壓縮再用于CNN推理當(dāng)屬該下的推理優(yōu)化技術(shù)主流。 將本是Float32類型的乘法或乘加計(jì)算使用INT8類型來做可一次批量（SIMD指令集）執(zhí)行更多的計(jì)算...
-
朱小虎 Neil Zhu，University AI / CSAGI 創(chuàng)始人
-
CNN推理優(yōu)化系列之一：Filters pruning
介紹 CNN模型簡(jiǎn)化以減少參數(shù)數(shù)量及增加計(jì)算效率可分為兩種主要方法：一類是設(shè)計(jì)參數(shù)更少、所需計(jì)算更少的CNN結(jié)構(gòu)像MobileNet/SqueezeNet/ShuffleNe...
-
經(jīng)典分類CNN模型系列其九：Resnet v2介紹 Resnet模型可謂是CNN分類模型中效果最效、應(yīng)用最廣泛、在業(yè)界最為成功的深度學(xué)習(xí)模型之一。它出道以來有許多的變形。像最初論文中提出的Resnet v1，后來由Tor...
-
Semantic Segmentation系列其二：U-Net介紹 U-Net是15年出來的在顯微組織切片細(xì)胞分割領(lǐng)域大獲成功的一個(gè)CNN segmentation模型。它借鑒了當(dāng)時(shí)新提出不久的FCN網(wǎng)絡(luò)，進(jìn)一步有效利用了各個(gè)尺度con...
-
精簡(jiǎn)CNN模型系列之七：Xception介紹 Xception是Google出品，屬于2017年左右的東東。它在Google家的MobileNet v1之后，MobileNet v2之前。它的主旨與MobileNe...
-
經(jīng)典分類CNN模型系列其八：ResNeXt介紹 越來越喜歡Facebook的東西了，雖然很久以來我一直是個(gè)Google產(chǎn)品及技術(shù)的忠實(shí)粉絲。但最近在AI框架上一直頻繁去翻弄Pytorch/Caffe2，感覺其API及...
-
精簡(jiǎn)CNN模型系列之六：ShuffleNet v2介紹 才不久才剛剛寫了MobileNet v2的博客，它來自Google。而今天看過了ShuffleNet v2，很是感慨。這篇來自Face++ Sun, Jian團(tuán)隊(duì)的pa...
-
精簡(jiǎn)CNN模型系列之五：MobileNet v2介紹 Depthwise Convolution應(yīng)該首創(chuàng)于Google的MobileNet網(wǎng)絡(luò)。自此后漸漸它已經(jīng)被用于了越來越多的移動(dòng)端CNN網(wǎng)絡(luò)當(dāng)中。MobileNet v...
-
Caffe2核心代碼解析系列之五：Blob
介紹 Caffe2中Blob的概念應(yīng)該來自于Caffe。它是有類型的內(nèi)存抽象，主要包含兩個(gè)成員，一為指向存儲(chǔ)元素的指針，另一則為此元素的類型(TypeMeta)。這么說來它其...
-
Caffe2核心代碼解析系列之四：TypeMeta
介紹 TypeMeta是描述Tensor或Blob等所抽象的數(shù)據(jù)類型的一種抽象。簡(jiǎn)言之，它主要用來表示某種類型如T的一些特征像這種類型在整個(gè)類型系統(tǒng)里面的Id，它的單個(gè)元素的...
-
精簡(jiǎn)CNN模型系列之四：ShuffleNet介紹 牛人就是牛啊，不服不行。君不見Face++（曠視科技）在將Sun,Jian招入門下后，F(xiàn)ace++在視覺科研領(lǐng)域的狂飆突進(jìn)嗎？今年的MS COCO大賽中他們更是一舉拿下...
-
Caffe2核心代碼解析系列之三：Tensor
介紹 Caffe2 core code中與tensor相關(guān)的可見于以下幾個(gè)文件。 Tensor是Caffe2中的連續(xù)內(nèi)存區(qū)域抽象表示。真正的caffe2 code中Tenso...
-
精簡(jiǎn)CNN模型系列之三：SkipNet介紹 CNN模型為了追求精度提高層數(shù)已經(jīng)是愈來愈多，可更多的層次帶來的精度邊際提升卻不斷減小?；蛘邔?duì)某些輸入圖片而言，真正所需的layers并非那么多，只有一些真正模糊、特征...
-
經(jīng)典分類CNN模型系列其七：DenseNet介紹 傳統(tǒng)上為了加強(qiáng)CNN模型的表達(dá)能力有兩種可行的辦法，一是將CNN層數(shù)增加，變得越來越深；二則是將單層CNN的conv filters數(shù)目增加，變得越來越寬。但這兩種都會(huì)...