兴智开发者社区

兴智开发者社区

去全站搜索看看？

登录社区云

登录社区云，与社区用户共同成长

兴智开发者社区

邀请您加入社区

欢迎加入社区

欢迎加入社区

神经网络

深度学习神经网络基础知识(一) 模型选择、欠拟合和过拟合

本文讲述神经网络基础知识，具体细节讲述前向传播，反向传播和计算图，同时讲解神经网络优化方法：权重衰减，Dropout等方法，最后进行Kaggle实战，具体用一个预测房价的例子使用上述方法。

青云遮夜雨
2023-02-20 12:05:45

 1727

 1

#深度学习 #神经网络 #机器学习
AI部署：聊一聊深度学习中的模型权重

点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨Oldpan来源丨Oldpan博客编辑丨极市平台导读本文简要介绍了模型权重的统计方法，以及在caffe，pytorch，Ten...

3Ｄ视觉工坊
2021-09-01 07:00:00

 7532

 1

#神经网络 #算法 #人工智能 +1
复习1: 深度学习优化算法 SGD -> SGDM -> NAG ->AdaGrad -> AdaDelta -> Adam -> Nadam 详细解释 + 如何选择优化算法

深度学习优化算法经历了 SGD -> SGDM -> NAG ->AdaGrad -> AdaDelta -> Adam -> Nadam 这样的发展历程。优化器其实就是采用何种方式对损失函数进行迭代优化，也就是有一个卷积参数我们初始化了，之后loss还很大，我们让这个参数根据loss的梯度如何变，每次变多少可以让loss函数在凸曲面上不断变小而找到最优解...

qq_33666011
2020-02-25 23:27:29

 6561

 7

#深度学习 #神经网络
【深度学习-吴恩达】L1-2 神经网络基础作业笔记

【深度学习-吴恩达】L1-2 神经网络基础作业笔记

 JackSerin
2022-07-28 20:54:25

 650

#深度学习 #神经网络 #机器学习
训练深度学习神经网络的常用5个损失函数

作者：Onepagecode来源：DeepHub IMBA神经网络在训练时的优化首先是对模型的当前状态进行误差估计，然后为了减少下一次评估的误差，需要使用一个能够表示错误函数对权重进行更新，这个函数被称为损失函数。损失函数的选择与神经网络模型从示例中学习的特定预测建模问题（例如分类或回归）有关。在本文中我们将介绍常用的一些损失函数，包括：回归模型的均方误差损失二元分类模型的交叉熵和hinge 损失

 Imagination官方博客
2022-10-18 14:11:16

 538

#python #神经网络 #机器学习 +2
深度学习入门（2）

小白的深度学习笔记

 北白川家的氷菓
2022-09-06 10:34:10

 1126

#深度学习 #cnn #神经网络
Python-深度学习-Keras 简介

Keras 是一个 Python 深度学习框架，可以方便地定义和训练几乎所有类型的深度学习模型。Keras 最开始是为研究人员开发的，其目的在于快速实验。本文简单介绍了 Keras 的原理和用法。

阔海星沉
2020-09-27 14:53:39

 5263

 2

#python #神经网络 #机器学习
深度学习--神经网络）

神经网络人工的神经的网络是在模仿自然的神经网络才搭建的，这里我们向介绍一下自然界中的神经元，对两者对象对比学习神经元生物学神经元简单介绍1904 年生物学家就已经知晓了神经元的组成结构1.每个神经元都是一个信息的处理单元，且具有多输入单输出的特性2.神经元的输入可以分为兴奋性输入和抑制性输入两种类型3.神经元阈值特性：当细胞体膜内外电位差（由突触输入信号总和）超过阈值时产生脉冲，...

AndSonder
2019-12-21 22:17:19

 1272

 2

#神经网络
深度学习简化总结合注意力与循环神经网络推荐的算法

结合注意力与循环神经网络推荐的算法1、简介互联网将全球信息互连形成了信息时代不可或缺的基础信息平台，其中知识分享服务已经成为人们获取信息的主要工具。为了加快互联网知识共享，出现了大量以知乎为代表的问答社区[1] 。用户注册社区后可交互式提出与回答问题达到知识共享和交换。然而，伴随用户急剧增多，平台短时间内积攒了数目巨大、类型多样的问题，进进超过有效回复数，严重降低了用户服务体验。如何将用户提出的问

 苏州程序大白
2021-05-19 15:24:12

 1917

 3

#神经网络 #算法 #深度学习 +1
深度学习：深度学习总体概述

前言在学习深度学习和机器学习也有一段时间了终于有点时间来写写笔记回顾一下之前学到的，本文主要是笔者在阅读和观看一系列深度学习相关的书籍或者视频之后写下自己对深度学习的总体内容概述，如有不全或错误之处还请谅解并指出。一、神经网络深度学习事实上本质是在研究神经网络，其实深度学习本来就是机器学习的一个分支而机器学习分支中的神经网络由于发展较为迅速并逐渐形成新的学名——深度学习，神经网络和传统的机器学习算

 YuriFan
2020-11-28 21:55:20

 1287

 1

#深度学习 #神经网络 #人工智能
深度学习笔记（二）—神经网络基本组成

本篇简单说一下几个层，具体的详见本系列其他博文。当前的物体检测算法虽然各不相同，但第一步通常是利用卷积神经网络处理输入图像，生成深层的特征图，然后再利用各种算法完成区域生成与损失计算，这部分卷积神经网络是整个检测算法的“骨架”，也被称为Backbone。

Redamancy!
2023-10-09 20:57:28

 470

#深度学习 #神经网络 #python
【王木头学科学|深度学习】1. 什么是卷积？卷积的3个意义。卷积、图像卷积操作、卷积神经网络

1. 卷积1.1 什么是卷积例子，f是吃进去的食物，而且还在一直消化，比如十点吃进去，十二点还剩多少，但看f函数是不够的，g函数代表消化了多少。到一般情况，在x时刻吃进去，t时刻还剩多少可以发现f和g函数里面的自变量相加会消掉其中一个，x+(t-x)=t，这也是判断是不是卷积的一个重要标志。1.2 卷积的意义、价值卷积卷在哪？**卷积的价值：**对于一个系统，输入不稳定，输出稳定，用卷积求一个系统

 指针阿飞
2021-07-28 10:56:45

 2476

 4

#神经网络
《深度学习框架PyTorch入门与实践》学习笔记---第四章 torch.nn

# -------神经网络工具箱nn------------------------------------------# torch.nn是专门为深度学习而设计的模块，torch.nn的核心数据结构是Module# 既可以表示神经网络中的某个层（layer），也可以表示包含很多层的神经网络# 实际使用中，最常用的做法是继承nn.Module，撰写自己的网络/层，

小小小毛毛虫~
2021-12-18 14:56:32

 1439

#pytorch #深度学习 #神经网络
深度学习-ResNet

ResNet面对梯度下降问题,我们考虑这样一个事实：现在你有一个浅层网络，你想通过向上堆积新层来建立深层网络，一个极端情况是这些增加的层什么也不学习，仅仅复制浅层网络的特征，即这样新层是恒等映射（Identity mapping）。在这种情况下，深层网络应该至少和浅层网络性能一样，也不应该出现退化现象。ResNet 的核心思想是引入一个恒等快捷连接(identity shortcut conne

小火箭丶
2021-07-04 10:03:31

 856

#神经网络
深度学习之优化函数

在计算出模型的损失之后，就需要利用损失值进行模型参数的优化。在在计算出模型的损失之后，就需要利用损失值进行模型参数的优化。在实践操作中最常用到的是一阶优化函数，典型的一阶优化函数包括GD、SGD、 Momentum、Adagrad、Adam 等等。一阶优化函数在优化过程中求解的是参数的一阶导数，这些一阶导数的值就是模型中参数的微调值。这里引入了一个新的概念：梯度。梯度其实就是将多元函数的各...

L枷锁T
2020-02-21 21:54:51

 2253

 1

#深度学习 #神经网络 #机器学习
【神经网络与深度学习】卷积神经网络 ① 卷积 ② 互相关 ③ 卷积层和池化层 ④ 四种典型的卷积网络 ⑤ 转置卷积 ⑥ 空洞卷积 ⑦ 微步卷积

【神经网络与深度学习】卷积神经网络 ① 卷积 ② 互相关 ③ 卷积层和池化层 ④ 四种典型的卷积网络 ⑤ 转置卷积 ⑥ 空洞卷积 ⑦ 微步卷积

 Bessie_Lee
2022-01-22 15:16:09

 4324

 1

#神经网络 #深度学习 #cnn
图深度学习-2-图论基础

图神经网络的图论基础

 kascas
2021-12-09 17:46:11

 1598

 1

#图论 #深度学习 #算法 +1
【深度学习笔记】resnet两种结构具体怎么实现，bottleneck为什么可以降低计算量及模型大小

文章目录图1是论文里给出每种ResNet的具体结构图1是论文里给出每种ResNet的具体结构ResNet在PyTorch的官方代码中共有5种不同深度的结构，深度分别为18、34、50、101、152（各种网络的深度指的是“需要通过训练更新参数”的层数，如卷积层，全连接层等）图1不同深度的网络结构由不同的子模块搭建，(1) 一种基于BasicBlock，浅层网络ResNet18, 34都由Basic

machnerrn
2021-09-01 18:18:39

 2801

 5

#深度学习 #pytorch #神经网络
深度学习周记2

误差反向传播，卷积神经网络，参数优化

 Monster2333
2020-02-03 11:40:51

 806

#神经网络 #深度学习 #python
【深度学习】基于PyTorch的卷积神经网络经典BackBone(骨干网络)复现

作者丨helton_yan@CSDN（已授权）来源丨https://blog.csdn.net/SESESssss/article/details/114340066编辑丨极市平台导读本文基于代码实战复现了经典的Backbone结构Inception v1、ResNet-50和FPN，并基于PyTorch分享一些网络搭建技巧，很详细很干货！文章目录1.VGG1.1改...

风度78
2022-05-23 12:01:00

 1260

 1

#神经网络 #算法 #计算机视觉 +1
吴恩达深度学习笔记——改善深层神经网络：超参数调整，正则化，最优化（Hyperparameter Tuning）

一些具体的深度学习操作

 亦梦亦醒乐逍遥
2022-08-16 16:26:12

 2691

 5

#深度学习 #神经网络 #机器学习
神经网络与深度学习课程总结（一）

神经网络与深度学习课程总结(一)

_borg
2023-03-21 20:34:38

 517

#深度学习 #神经网络 #机器学习
深度学习图像分割：网络结构设计一览

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达作者丨李慕清@知乎来源丨https://zhuanlan.zhihu.com/p/104854615转自 |极市平台导读在利用CNNs进行图像语义分割时，有一些针对网络结构的创新点，主要包括了新神经架构和新组件或层的设计。文章的后半部分则对医学图像分割领域中网络结构设计的应用进行了梳理。本文总结了利...

小白学视觉
2022-05-31 10:05:42

 1185

 3

#大数据 #算法 #python +2
深度学习激活函数深入浅出通俗易懂教你如何选择合适的激活函数

梯度消失问题Sigmoid梯度爆炸问题ReLU整流解决梯度消失死亡ReLU问题,有利有弊ELU指数计算成本高无死亡ReLU问题Leaky ReLU渗透微分两部分都是线性相比ELU无死亡ReLU问题SELU扩展指数没有梯度消失/爆炸问题图看不懂不要紧，把文章看完就肯定理解了。这是一个方便总结的图1 概述本文会介绍六种激活函数，并且比较他们的区别。1.1 梯度消失问题w(L)=w(L)...

微信公众号[机器学习炼丹术]
2019-12-28 06:29:42

 881

 1

#神经网络 #深度学习 #人工智能 +2
[深度学习] - 通用网络模型训练过程的 loss 变化分析方法 (loss / val_loss / test_loss)

理解训练过程中 loss 变化情况 (loss / val_loss / test_loss)

E-CorE
2019-11-27 13:30:21

 5.4w

 104

#深度学习 #机器学习 #神经网络 +1
【深度学习】如何用PyTorch构建一个VGG16网络？（附代码）

VGG16网络是一个经典的卷积神经网络模型，由Karen Simonyan和Andrew Zisserman于2014年提出。它在ImageNet图像分类比赛中取得了当时最好的成绩，被广泛应用于计算机视觉领域。VGG16网络的主要特点是使用了多个连续的卷积层和池化层，并且在每个卷积层和池化层之后都使用了ReLU激活函数。这种设计可以帮助网络逐步提取图像的特征，使得网络具有更好的表达能力。网络架构

 风度78
2023-03-22 11:00:28

 922

#深度学习 #pytorch #机器学习 +2
深度学习与神经网络：从基础到前沿

深度学习与神经网络是人工智能领域中的重要分支，其应用范围涵盖图像识别、语音识别、自然语言处理等多个领域，对于推动人工智能技术的发展具有重要意义。本文将从深度学习的基础原理开始，逐步探讨神经网络的结构、训练方法，以及在图像识别、语音识别、自动驾驶等方面的实际应用。

wsl394049743
2024-04-04 16:08:15

 839

 2

#深度学习 #神经网络 #人工智能
ROS / ROS2的深度学习节点--＞Jetson Nano / TX1 / TX2 / Xavier NX / AGX Xavier

Jetson Nano ROS / ROS2的深度学习节点一、安装1.jetson-inference2.ros/ros23.ros_deeping_learning二、测试1.Video Viewer（相机捕获工具）2.imagenet Node（图像分类网络节点）3.detectnet Node（检测网络节点）4.segnet Node（分割网络节点）三、主题和参数1.imagenet Nod

·菜鸟看世界
2021-04-17 16:41:27

 2752

 3

#深度学习 #计算机视觉 #神经网络 +1
基于深度学习的岩石薄片图像识别适应性论述

当前油藏地质相关领域对岩石薄片的分析提出更细粒度的要求，一方面探索岩石的大尺度识别，另一方面分析像素级的识别与分割的任务。尽管深度学习领域各类算法层出不穷，但研究的主要领域集中到人像和大尺度物体，更多的研究以无人驾驶为契机，探索车辆的语义问题。然而这与油气田地质工程一体化的专业需求存在矛盾。因此，本文尝试从模型适应性方面论证当前的主要模型存在的特点和局限性，并探索通用神经网络在专业领域结合的可能性

 在下菜鸡
2022-05-05 00:43:09

 2508

#深度学习 #计算机视觉 #神经网络
对于深度学习模型训练和模型验证的总结

当把训练集的数据全走一遍之后，一轮训练就结束了，我们可以使用测试集来看一看效果，步骤就是让测试集的imgs跑一遍推理，最后得到一个得分矩阵output，然后使用output.argmax(1)（这个函数的作用是取第一维的最大值索引，也就是每一行的最大值的索引）和targets中的数值比较，统计相同的个数（也就是分类正确的个数）。在我们最后一轮训练过后，我们需要保存我们的模型，使用torch.sav

落日不落
2023-12-03 23:53:21

 2140

 47

#深度学习 #人工智能 #神经网络
《神经网络与深度学习从理论到实践-邱锡鹏》笔记（持续更行ing）

《神经网络与深度学习从理论到实践-邱锡鹏》直播课学习笔记

 iceks
2022-07-19 23:44:32

 2235

 1

#深度学习 #神经网络 #人工智能
深度学习中的经典基础网络结构总结

深度学习中的经典基础网络结构总结这篇文章从大的发展趋势介绍了下主干网络的发展，而在 CV 经典主干网络 (Backbone) 系列: 开篇中主要是对一些比较经典的主干网络进行简单梳理。1. 深度学习发展历史回顾在开始正式内容之前，首先回顾下深度学习发展史，这将使整体内...

王挣银
2021-12-07 14:27:40

 1574

 1

#深度学习 #神经网络 #机器学习
深度学习速成版02---卷积神经网络

线性神经网络局限性任意多个隐层的神经网络和单层的神经网络都没有区别，而且都是线性的，而且线性模型的能够解决的问题也是有限的神经网络的种类基础神经网络：线性神经网络，BP神经网络，Hopfield神经网络等进阶神经网络：玻尔兹曼机，受限玻尔兹曼机，递归神经网络等深度神经网络：深度置信网络，卷积神经网络，循环神经网络，LSTM网络等卷积神经网络传统意义上的多层神经网络是只有输入层、隐藏层、输出层。其中

 __Miracle__
2021-09-24 11:36:05

 2251

 3

#神经网络 #深度学习 #pytorch
深度学习中的知识蒸馏技术（上）

点击上方，选择星标或置顶，每天给你送干货！来自：Microstrong本文概览:1. 知识蒸馏介绍1.1 什么是知识蒸馏？在化学中，蒸馏是一种有效的分离不同沸点组分的方法，大致步骤是先升...

zenRRan
2021-02-02 22:31:23

 2704

 10

#算法 #大数据 #python +2
深度学习入门 (二)：激活函数、神经网络的前向传播

本文为《深度学习入门基于Python的理论与实现》的部分读书笔记代码以及图片均参考此书目录复习感知机激活函数(activation function)sigmoid函数tanh函数ReLU(Rectified Linear Unit)函数神经网络的前向传播通过矩阵点积运算打包神经网络的运算引入符号各层间信号传递的实现输出层的设计softmax函数输出层的神经元数量批处理复习感知机之前介绍的朴素感

 连理o
2020-06-01 18:27:17

 2770

 4

#神经网络 #python #人工智能 +1
深度学习可以从事什么工作？有没有前途

深度学习技术在各个领域都有广泛的应用，因此，无论您是从事工程、研究、医疗、金融还是娱乐等领域，都有可能利用深度学习技术来解决问题、改进产品和推动创新。深度学习领域的就业机会仍在不断增长，为有兴趣进一步学习和应用深度学习的人提供了丰富的职业前景。

AI小菜鸡一个
2023-09-14 17:15:26

 3955

 2

#深度学习 #人工智能 #机器学习 +2
【深度学习基础知识 - 04】过拟合和欠拟合的概念及解决方案

概念过拟合就是随着模型的训练，模型在训练集上的表现越来越好，但是在验证集上的表现却越来越差，也就是说对训练集的拟合程度过高，导致模型的泛化能力降低。欠拟合就是模型在训练集上也无法达到满意的精度。过拟合的解决方案过拟合通常是由于训练数据过少、模型复杂度过大等问题导致的，因此相应的解决方案也是从这两个角度考虑。使用更多的数据进行训练，并且数据集尽量均匀，做一些数据增强。降低模型复杂度。并不是说模型越复

 雁宇up
2021-08-18 22:08:28

 2637

 4

#机器学习 #深度学习 #人工智能 +1
深度学习原理21——交叉验证

交叉验证（Cross Validation），有的时候也称作循环估计（Rotation Estimation），是一种统计学上将数据样本切割成较小子集的实用方法。交叉验证的基本思想是把在某种意义下将原始数据(dataset)进行分组,一部分做为训练集(train set),另一部分做为验证集(validation set or test set),首先用训练集对分类器进行训练,再利用验证集来测试训

 晓码bigdata
2020-12-17 09:56:31

 1510

#深度学习 #神经网络 #tensorflow
深度学习基础知识

神经网络1. 感知机感知机（Perceptron）是 Frank Rosenblatt 在1957年提出的概念，其结构与MP模型类似，一般被视为最简单的人工神经网络，也作为二元线性分类器被广泛使用。通常情况下指单层的人工神经网络，以区别于多层感知机（Multilayer Perceptron）。尽管感知机结构简单，但能够学习并解决较复杂问题。假设我们有一个n维输入的单层感知机，x1至 xn为 n

coder_by
2021-05-07 11:27:32

 789

#神经网络
基于深度学习的超分辨率图像技术一览

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达编者荐语超分辨率(Super-Resolution)即通过硬件或软件的方法提高原有图像的分辨率，图像超分辨率是计算机视觉和图像处理领域一个非常重要的研究问题，在医疗图像分析、生物特征识别、视频监控与安全等实际场景中有着广泛的应用。作者丨黄浴@知乎SR取得了显著进步。一般可以将现有的SR技术研究大致分为三大类：监督SR，无监督S.

小白学视觉
2023-02-27 10:05:15

 1213

#深度学习 #人工智能 #计算机视觉 +2
C#中的深度学习（四）：使用Keras.NET识别硬币

在本文中，我们将研究一个卷积神经网络来解决硬币识别问题，并且我们将在Keras.NET中实现一个卷积神经网络。在这里，我们将介绍卷积神经网络(CNN)，并提出一个CNN的架构，我们将训练它来识别硬币。什么是CNN?正如我们在本系列的前一篇文章中提到的，CNN是一类经常用于图像分类任务的神经网络(NN)，比如物体和人脸识别。在CNN中，并非每个节点都连接到下一层的所有节点。这种部分连通性有助于防止在

 平凡程序猿
2020-12-24 08:25:22

 1290

 1

#神经网络 #c##机器学习
深度学习神经网络矩阵维度的变换

首先，以输入特征数为2，样本数为1，层数为2的神经网络举例子（隐藏层1层+输出层1层）激活函数为sigmoid函数所以有以下的网络一般输入层不算入层数，在这里写为第0层。第0层有两个输入特征，1个样本数，所以矩阵维度为[2,1]第1层有4个单元数，所以矩阵维度的第一维为4，第二维为前一层的单元数（即第0层），所以第1层的矩阵维度为[4,2]第2层有1个单元数，所以矩阵维度的第一维为1，第二维为前一

 菜就多练，不要多想
2021-11-08 21:53:11

 2577

 4

#深度学习 #神经网络 #矩阵
资深大佬：基于深度学习的图像边缘和轮廓提取方法介绍

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达本文转自：AI算法与图像处理导读边缘和轮廓的提取是一个非常棘手的工作，细节也许就会被过强的图像...

小白学视觉
2021-07-11 10:05:00

 2562

#计算机视觉 #神经网络 #人工智能
吴恩达深度学习笔记——卷积神经网络（Convolutional Neural Networks）

卷积神经网络

 亦梦亦醒乐逍遥
2022-08-16 16:27:31

 3498

 8

#深度学习 #cnn #神经网络
基于深度学习的图像重照明实践学习笔记(1)

基于深度学习的图像重照明实践学习笔记(1)1.为什么要开设这样一个项目的课程第一，带领刚开始学习人工智能的小伙伴从图像处理任务开始入门，熟悉项目内容相关的知识，掌握学习的思路和方法，包括文献调研，论文阅读，知识盲点的攻克等；第二，从零入门AI实践，从以往的纸上谈兵，一步跨越到学以致用，在实践中学习，包括linux开发环境，python/shell编程语言，深度学习框架pytorch，Relight

qq_40925260
2021-01-13 11:58:25

 1292

 3

#机器学习 #神经网络 #深度学习
深度学习中的卷积神经网络：从理论到实践

1.背景介绍卷积神经网络(Convolutional Neural Networks，简称CNN)是一种深度学习模型，主要应用于图像和视频处理领域。它的核心思想是借鉴了生物神经网络中的神经元结构，通过卷积、池化等操作来提取图像的特征，从而实现图像分类、目标检测、对象识别等任务。CNN的发展历程可以分为以下几个阶段：1980年代，LeCun等人开始研究卷积神经网络，并提出了手写数字识别...

禅与计算机程序设计艺术
2024-01-04 00:01:43

 619

 8

#深度学习 #cnn #人工智能 +2
2021年深度学习的医学图像分割技术研究进展

基于深度学习的医学图像分割技术研究进展闫超，孙占全，田恩刚，赵杨洋，范小燕摘要医学图像分割在临床诊断中发挥着重要作用，也是其他医学图像处理方法的基础。随着计算机硬件性能的提高，基于深度学习的图像分割技术已成为处理医学图像的有力工具，被广泛应用于各种医学图像分割任务中。文中介绍了常见的医学图像种类及其特点，对近些年涌现出的图像分割算法进行了分析和对比，部分算法已经成功应用到脑组织、肺部和血管等部

 AI从入门到实践
2021-09-05 19:28:11

 1.7w

 13

#深度学习 #神经网络 #机器学习
深度学习的模型开发的五个步骤

深度学习的模型开发的五个步骤：1、数据处理；2、模型设计；3、模型训练；4、参数保存；5、模型预测

 若石之上
2022-11-07 14:16:11

 2288

 2

#深度学习 #神经网络
【深度学习】基于卷积神经网络的天气识别训练

通过Tensorflow对天气数据集进行识别。里面详细介绍了开发环境、训练方式、模型参数、数据集以及一系列的预处理等，最后还对训练的过程进行图像绘制。

林夕07
2022-08-10 20:20:07

 4473

 9

#深度学习 #cnn #神经网络
量化神经网络的有效部署

本次分享主要介绍了一种量化模型编译执行的通用解决方案，可应对跨各种硬件平台的各种框架有效执行预量化模型的挑战，同时保持开发人员的低工作量。

兴智开发者社区小助理
2023-07-21 16:31:05

 37

#深度学习优化工具 #人工智能 #神经网络

加载更多

回到
顶部

提供社区服务与技术支持

提供社区服务与技术支持

©1999-2023北京创新乐知网络技术有限公司京ICP备19004658号