超级会员免费看
本文介绍了使用PaddleX和Paddle-Lite完成驾驶员状态识别项目，训练MobileNetV3模型达到0.979准确率。详细探讨了MobileNetV3的结构优化，包括DW Conv、PW Conv、h-swish函数等，并展示了如何利用PaddleLite进行模型压缩和量化部署。
基于PaddleX的驾驶员状态识别和Paddle-Lite部署
- 关注我的公众号：
项目简介：
该项目使用PaddleX提供的图像分类模型，在 kaggle 驾驶员状态检测数据集进行训练；
训练得到的模型能够区分驾驶员正常驾驶、打电话、喝水等等不同动作，准确率为0.979；
并使用PaddleLite进行模型的量化和压缩；
该项目使用CPU环境或GPU环境运行，PaddleX会自动选择合适的环境；
目录：
- PaddleX工具简介；
- 数据集简介；
- 定义数据加载器；
- 定义并训练模型；
- 评估模型性能；
- 使用PaddleLite进行模型压缩；
- 总结
一、PaddleX 工具简介：
PaddleX简介
订阅专栏 解锁全文
扫一扫
900
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
