飛槳工程師親授調參技巧,可使MobileNetv3-YOLOv3模型壓縮70%,推理速度提升1倍

隨着端側算力日益增長,以及模型小型化方案日趨成熟,使得高精度的深度學習模型在移動端、嵌入式等終端設備上流暢運行成爲可能。然而將深度學習融合到終端設備上依舊面臨平衡複雜神經網絡結構的精度和設備性能約束的挑戰,往往需要模型開發者在深入理解模型結構的基礎上,各種調參並進行細緻全面的優化才能達到理想的效果。 近期PaddleDetection推出了一系列針對端側設備的緊緻高效模型,覆蓋單階段及兩階段等主流
相關文章
相關標籤/搜索