![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 79
lai_cheng
Artificial Intelligence Research Center, Peng Cheng Lab(Shenzhen, China)
展开
-
深度学习框架层次结构
本文介绍目前主流的深度学习框架层次结构,包括TensorFlow2、PyTorch、MindSporeTensorFlow层次结构TensorFlow2的层次结构为:硬件层,内核层,低阶API,中阶API,高阶API。硬件层:TensorFlow所支持的硬件如CPU,GPU,TPU。内核层:内核是C++ 实现的,包括函数库,本地运行时,分布式运行时,OP定义及其Kernel的实现等。低阶API:低阶API也被称为算子,封装了C++内核的低阶API,主要包括各种张量,算子,计算图,自动微分等。如t原创 2022-01-11 17:18:32 · 1625 阅读 · 0 评论 -
背景: 设计和实现一个轻量化的深度学习库
**使用TensorFlow实现自己的深度学习库系列**# 背景**目的**:设计轻量级深度学习库,使用TensorFlow作为计算引擎,对其进行高层次封装,搭建一个自己的深度学习API,方便在工程实践中快速实现深度学习模型。Keras在2015年3月首次推出,作为一个对Theano的封装库,它为工程师和研究人员构建自己的深度学习模型提供了极大的便利。随着深度学习领域的高速发展,在2015年11月谷歌大脑团队推出了深度学习框架TensorFlow1.0,TensorFlow1.0作为深度学习框架中声原创 2021-12-16 13:40:13 · 1131 阅读 · 0 评论 -
PyTorch模型训练完毕后静态量化、保存、加载int8量化模型
1. Pytorch模型量化方法Pytorch模型量化方法介绍有很多可以参考的,这里推荐两篇文章写的很详细可以给大家一个大致的参考Pytorch的量化,官方量化文档Pytorch的量化大致分为三种:模型训练完毕后动态量化、模型训练完毕后静态量化、模型训练中开启量化,本文从一个工程项目(Pose Estimation)给大家介绍模型训练后静态量化的过程。具体量化知识可以从推荐的两篇文章中学习。2. 量化过程准备工作。1.数据集下载(在做静态量化时需要对数据集进行推理获取数据的分布特点、定标原创 2021-07-21 12:40:27 · 28186 阅读 · 63 评论 -
在ARM64平台下安装TensorFlow
在ARM64平台下安装TensorFlow1.安装前环境配置2.安装TensorFlow原创 2020-08-04 17:31:16 · 6374 阅读 · 4 评论 -
Windows10安装TensorFlow-GPU版本
Windows下安装TensorFlow的GPU版本首先准备如下:1.Anaconda安装,Anaconda下载地址:Anaconda下载链接2.安装tensorflow-gpu3.安装CUDA8.0,下载地址:http://pan.baidu.com/s/1skZmSIp 提取密码:3wci4.安装CUDNN6.0,下载地址:http://pan.baidu.com/s/1ge...原创 2017-11-14 15:10:33 · 513 阅读 · 0 评论 -
SVM-Light在windows下的使用
SVMlight使用原创 2017-11-15 14:50:39 · 2048 阅读 · 2 评论