Comments 16
59% — очень большая достоверность в таких условиях.
Я бы сказал, что зачастую эти проценты ничего не значат. Это же не вероятность в математическом смысле. А результат нормализации суммы с последнего слоя. Если нарукожопить с сигмоидой, можно получать результаты 0.49-0.51, причем 0.49 — это 0, а 0.51 — 1. А можно нарукожопить и в другую сторону, получится если хоть чуть похоже на кота — 0.99, чуть непохоже — 0.01. Просто следует подобрать коэффициент
теперь пора смотреть в сторону nvidia jetson nano) очень хорош по производительности
Задумывался о Google Coral или NVC, но не уверен, что смогу свои задачи решать этими свистками.
скорее всего, на сайтах производителей или на towardsdatascience.com вы найдёте сравнения скорости разных моделей на разных железках. Если с трудом вывозит 1080, то скорее всего никакой из базовых свистков не спасёт. Придется оптимизировать модель.
Ещё есть nvidia jetson tx2, у нее вроде бы flops достаточно высокий, но сходу не скажу, сравним ли с 1080.
В целом, задача перехода на edge (nvidia jetson, Google coral) устройства сейчас выглядит вполне решаемой для большинства моделей, но есть много плясок с переводом сети в их форматы.
Одноплатник с CUDA ядрами на борту. Можно питонить нс и сразу в GPIO
Пример работы с Intel RealSense T265 Tracking Camera
Данный модуль поддерживает OpenCL(возможно ли использовать его использовать как opencl device)?
Робот-танк на Raspberry Pi с Intel Neural Computer Stick 2