![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 89
chocolate2018
这个作者很懒,什么都没留下…
展开
-
机器学习介绍
机器学习Sitara机器学习工具包通过在所有Sitara设备(仅Arm、Arm+专用硬件加速器)上启用机器学习推理,将机器学习推向了最前沿。它是作为TI的处理器SDK Linux的一部分提供的,可以免费下载和使用。今天的Sitara机器学习包括TI深度学习(TIDL)、Neo AI DLR、TVM运行时、TensorFlow Lite、Arm NN和RNN库。 图1 Sitara机器学习深度学习(TIDL)•加速C66x DSP内核和/或嵌入式视觉引擎(E原创 2021-10-02 18:10:27 · 1602 阅读 · 0 评论 -
TI深度学习(TIDL)-- 3
1.4. 训练只要支持图层并且满足参数约束,就可以导入现有的Caffe和TF-Slim 模型。但是,这些模型通常包括密集的权重矩阵。为了利用TIDL-Lib的一些优点,并获得3x-4x的性能改进(对于卷积层),有必要使用caffe-jacinto caffe fork重复训练过程,可在https://github.com/tidsp/caffe-jacinto?卷积神经网络计算负荷的最大贡献来自于卷积层(通常在80-90%的范围内),因此特别注意优化卷积层处理。数据集准备应遵循标准的Caffe方法,通常原创 2021-10-02 18:04:16 · 1734 阅读 · 1 评论 -
TI深度学习(TIDL)--2
1.3.4. 目标文件系统1.3.4.1. 固件OpenCL固件包括预封装的DSP TIDL库(带有硬编码内核)和遵循定制加速器模型的EVE TIDL库。OpenCL固件在Linux引导后立即下载到DSP和M4/EVE:- dra7-ipu1-fw.xem4 -> /lib/firmware/dra7-ipu1-fw.xem4.opencl-monitor- dra7-dsp1-fw.xe66 -> /lib/firmware/dra7-dsp1-fw.xe66.opencl-monit原创 2021-10-02 17:57:28 · 2327 阅读 · 0 评论 -
TI深度学习(TIDL)--1
TI深度学习(TIDL)1.1. 介绍1.1.1. 嵌入式设备中的深度学习推理TIDL使应用程序能够利用TI在EVE和C66x DSP计算引擎上专有的、高度优化的CNN/DNN实现,从而将深度学习带到了边缘。TIDL最初的目标是在AM57x soc上使用2D(通常是视觉)数据。对于1D或3D输入数据块,没有基本的限制来阻止TIDL的使用。TIDL是一组开源Linux软件包和工具,能够将深度学习(仅限于推理)计算负载从ARM内核卸载到硬件加速器(如EVE和/或c66xdsp)。TIDL的目标是隐藏用于原创 2021-10-02 17:31:50 · 4780 阅读 · 0 评论 -
深度学习介绍
深度学习介绍基本概念深度学习是机器学习的一个分支,其中算法从它处理的数据中学习,但程序员不需要有该领域的专业知识。深度学习模型能够自行选择正确的特性,从而消除了对人类程序员的需求。它依赖于自然学习,通过添加知识层,一个在另一个之上。这种学习算法的革命性进步不仅节省了人类的时间和劳动,而且还将决策错误的可能性降至最低。由于深度学习算法有自己的大脑,它有以下优点。特征提取不再是时间和劳动密集型的,因为它是自动的算法。由于不需要人为干预来学习数据,因此可以进行超出人类能力范围的高级分析。同样的网络方法可原创 2021-10-02 16:56:23 · 1560 阅读 · 0 评论 -
预测性维护
1. 预测性维护1.1. 介绍预见性维护(PdM)承诺在工厂车间达到前所未有的效率和安全水平,目前已建立的系统和流程的最佳实践。机器停机是生产线上最大的挑战之一。目前的MRO(维护、维修、操作)方法远未达到最佳生产水平。通过预测性维护,一旦数据实时(或接近实时,取决于应用程序需求)来自设备,高级分析可用于识别可能影响业务运营的资产可靠性风险。通过对关键资产生成的运营数据应用机器学习和分析,以更好地了解资产绩效,公司可以将这些见解作为持续改进过程的一部分。预测性维护对从终端传感器节点收集的机器数据进行高原创 2021-10-02 16:50:12 · 6509 阅读 · 2 评论