国产精品久久久aaaa,日日干夜夜操天天插,亚洲乱熟女香蕉一区二区三区少妇,99精品国产高清一区二区三区,国产成人精品一区二区色戒,久久久国产精品成人免费,亚洲精品毛片久久久久,99久久婷婷国产综合精品电影,国产一区二区三区任你鲁

搜索歷史

清空
搜索熱詞
      0
      • 聊天消息
      • 系統(tǒng)消息
      • 評(píng)論與回復(fù)
      VIP于 到期 續(xù)費(fèi)
      登錄后你可以
      • 下載海量資料
      • 學(xué)習(xí)在線課程
      • 觀看技術(shù)視頻
      • 寫文章/發(fā)帖/加入社區(qū)
      會(huì)員中心
      創(chuàng)作中心
      發(fā)布
      創(chuàng)作活動(dòng)

      完善資料讓更多小伙伴認(rèn)識(shí)你，還能領(lǐng)取20積分哦，立即完善>

      3天內(nèi)不再提示

      Facebook推出ONNX，旨在為不同編程框架的神經(jīng)網(wǎng)絡(luò)創(chuàng)建共享模型

      zhKF_jqr_AI ? 2017-12-28 16:12 ? 次閱讀
      加入交流群
      微信小助手二維碼

      掃碼添加小助手

      加入工程師交流群

      今年9月，F(xiàn)acebook宣布推出“開源神經(jīng)網(wǎng)絡(luò)交換”（ONNX），呼吁其他公司加入，旨在為不同編程框架的神經(jīng)網(wǎng)絡(luò)創(chuàng)建共享模型。今天，F(xiàn)acebook聯(lián)合AWS和微軟宣布，在合作伙伴的支持下，第一個(gè)正式版本的ONNX已經(jīng)正式投入使用。

      目前機(jī)器學(xué)習(xí)生態(tài)系統(tǒng)中的一個(gè)關(guān)鍵問題是，開發(fā)和執(zhí)行神經(jīng)網(wǎng)絡(luò)和其他機(jī)器學(xué)習(xí)系統(tǒng)有很多不同的框架，但它們都是截然不同的，而且不支持相互操作。ONNX的出現(xiàn)將為開發(fā)者提供更強(qiáng)的工具組合和更簡單的傳輸模型，從而有助于創(chuàng)建一個(gè)自由、創(chuàng)新的AI生態(tài)系統(tǒng)。自推出以來，ONNX就得到了各界的響應(yīng)。AMD、ARM、IBM、英特爾、華為、英偉達(dá)、高通都宣布支持ONNX，除此之外還有許多公司都為其推出做出了貢獻(xiàn)。

      目前ONNX已支持Caffe2、微軟的Cognitive Toolkit、亞馬遜偏愛的機(jī)器學(xué)習(xí)框架Apache MXNet（9月的最初版本上是不支持的該框架的）、PyTorch和英偉達(dá)的TensorRT。雖然還不支持TensorFlow等其他的框架，但ONNX為它們提供了相應(yīng)的轉(zhuǎn)換器。

      當(dāng)前的ONNX主要是為視覺應(yīng)用設(shè)計(jì)的，將來研究人員打算將其應(yīng)用于更多領(lǐng)域，包括語言建模等動(dòng)態(tài)模型。

      聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
      • 神經(jīng)網(wǎng)絡(luò)

        關(guān)注

        42

        文章

        4838

        瀏覽量

        107750
      • Facebook
        +關(guān)注

        關(guān)注

        3

        文章

        1432

        瀏覽量

        58898
      • 共享
        +關(guān)注

        關(guān)注

        1

        文章

        72

        瀏覽量

        13757

      原文標(biāo)題：Facebook開源項(xiàng)目ONNX正式使用，欲打造共享神經(jīng)網(wǎng)絡(luò)

      文章出處：【微信號(hào)：jqr_AI，微信公眾號(hào)：論智】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。

      收藏 人收藏
      加入交流群
      微信小助手二維碼

      掃碼添加小助手

      加入工程師交流群

        評(píng)論

        相關(guān)推薦
        熱點(diǎn)推薦

        面向嵌入式部署的神經(jīng)網(wǎng)絡(luò)優(yōu)化：模型壓縮深度解析

        1.為什么需要神經(jīng)網(wǎng)絡(luò)模型壓縮？ 神經(jīng)網(wǎng)絡(luò)已經(jīng)成為解決復(fù)雜機(jī)器學(xué)習(xí)問題的強(qiáng)大工具。然而，這種能力往往伴隨著模型規(guī)模和計(jì)算復(fù)雜度的增加。當(dāng)輸入維度較大（例如長時(shí)序窗口、高分辨率特征空間）
        的頭像 發(fā)表于 02-24 15:37 ?4600次閱讀
        面向嵌入式部署的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>優(yōu)化：<b class='flag-5'>模型</b>壓縮深度解析

        神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)

        日常生活中的智能應(yīng)用都離不開深度學(xué)習(xí)，而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu)，特別是大腦中神經(jīng)
        的頭像 發(fā)表于 12-17 15:05 ?323次閱讀
        <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識(shí)

        CNN卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)原理及在MCU200T上仿真測(cè)試

        數(shù)的提出很大程度的解決了BP算法在優(yōu)化深層神經(jīng)網(wǎng)絡(luò)時(shí)的梯度耗散問題。當(dāng)x&gt;0 時(shí)，梯度恒為1，無梯度耗散問題，收斂快；當(dāng)x&lt;0 時(shí)，該層的輸出為0。 CNN
        發(fā)表于 10-29 07:49

        NMSIS神經(jīng)網(wǎng)絡(luò)庫使用介紹

        NMSIS NN 軟件庫是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核，旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。 該庫分為多個(gè)功能，每個(gè)功能涵蓋特定類別
        發(fā)表于 10-29 06:08

        構(gòu)建CNN網(wǎng)絡(luò)模型并優(yōu)化的一般化建議

        整個(gè)模型非常巨大。所以要想實(shí)現(xiàn)輕量級(jí)的CNN神經(jīng)網(wǎng)絡(luò)模型，首先應(yīng)該避免嘗試單層神經(jīng)網(wǎng)絡(luò)。 2)減少卷積核的大小：CNN神經(jīng)網(wǎng)絡(luò)是通過權(quán)值
        發(fā)表于 10-28 08:02

        在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)

        本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)。我們采用jupyter notebook作為開發(fā)IDE，以TensorFlow2為訓(xùn)練框架，目標(biāo)是訓(xùn)練一個(gè)手寫數(shù)字識(shí)別的神經(jīng)
        發(fā)表于 10-22 07:03

        液態(tài)神經(jīng)網(wǎng)絡(luò)（LNN）：時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

        神經(jīng)元，但卻能產(chǎn)生復(fù)雜的行為。受此啟發(fā)，與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)相比，LNN旨在通過模擬大腦中神經(jīng)元之間的動(dòng)態(tài)連接來處理信息，這種網(wǎng)絡(luò)能夠順序處理數(shù)
        的頭像 發(fā)表于 09-28 10:03 ?1197次閱讀
        液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>（LNN）：時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

        【「AI芯片：科技探索與AGI愿景」閱讀體驗(yàn)】+神經(jīng)形態(tài)計(jì)算、類腦芯片

        AI芯片不僅包括深度學(xué)細(xì)AI加速器，還有另外一個(gè)主要列別：類腦芯片。類腦芯片是模擬人腦神經(jīng)網(wǎng)絡(luò)架構(gòu)的芯片。它結(jié)合微電子技術(shù)和新型神經(jīng)形態(tài)器件，模仿人腦神經(jīng)系統(tǒng)機(jī)選原理進(jìn)行設(shè)計(jì)，實(shí)現(xiàn)類似人腦的超低
        發(fā)表于 09-17 16:43

        神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)

        隨著人工智能技術(shù)的飛速發(fā)展，神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和廣泛的應(yīng)用前景。然而，神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和規(guī)模也在不斷增加，這使得傳統(tǒng)的串行計(jì)算方式面臨著巨大的挑戰(zhàn)，如計(jì)算速度慢、訓(xùn)練時(shí)間長等
        的頭像 發(fā)表于 09-17 13:31 ?1122次閱讀
        <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行計(jì)算與加速技術(shù)

        基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真模型解決方案

        在基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真（DPD）模型中，使用不同的激活函數(shù)對(duì)整個(gè)系統(tǒng)性能和能效有何影響？
        的頭像 發(fā)表于 08-29 14:01 ?3471次閱讀

        無刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究

        摘要:論文通過對(duì)無刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳算法來訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
        發(fā)表于 06-25 13:06

        神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用

        摘要:針對(duì)傳統(tǒng)專家系統(tǒng)不能進(jìn)行自學(xué)習(xí)、自適應(yīng)的問題,本文提出了基于種經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的并步電機(jī)故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合,充分發(fā)揮了二者故障診斷的優(yōu)點(diǎn),很大程度上降低了對(duì)電機(jī)
        發(fā)表于 06-16 22:09

        神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究

        眾多方法中，由于其結(jié)構(gòu)簡單，穩(wěn)定性好廣泛受到人們的重視，且已被用于產(chǎn)品開發(fā)。但是MRAS仍存在在低速區(qū)速度估計(jì)精度下降和對(duì)電動(dòng)機(jī)參數(shù)變化非常敏感的問題。本文利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，使估計(jì)更為簡單、快速
        發(fā)表于 06-16 21:54

        基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析

        本文的目的是在一個(gè)神經(jīng)網(wǎng)絡(luò)已經(jīng)通過python或者M(jìn)ATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，將訓(xùn)練好的模型的權(quán)重和偏置文件以TXT文件格式導(dǎo)出，然后通過python程序?qū)xt文件轉(zhuǎn)化為coe
        的頭像 發(fā)表于 06-03 15:51 ?1194次閱讀
        基于FPGA搭建<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的步驟解析

        神經(jīng)網(wǎng)絡(luò)壓縮框架 （NNCF） 中的過濾器修剪統(tǒng)計(jì)數(shù)據(jù)怎么查看？

        無法觀察神經(jīng)網(wǎng)絡(luò)壓縮框架 （NNCF） 中的過濾器修剪統(tǒng)計(jì)數(shù)據(jù)
        發(fā)表于 03-06 07:10