Как стать автором
Обновить

Сверточная нейронная сеть, часть 1: структура, топология, функции активации и обучающее множество

Машинное обучение *
Из песочницы

Предисловие


Данные статьи (часть 2) являются частью моей научной работы в ВУЗе, которая звучала так: «Программный комплекс детектирования лиц в видеопотоке с использованием сверточной нейронной сети». Цель работы была — улучшение скоростных характеристик в процессе детектирования лиц в видеопотоке. В качестве видеопотока использовалась камера смартфона, писалось десктопное ПС (язык Kotlin) для создания и обучения сверточной нейросети, а также мобильное приложение под Android (язык Kotlin), которая использовала обученную сеть и «пыталась» распознать лица из видеопотока камеры. Результаты скажу получились так себе, использовать точную копию предложенной мной топологии на свой страх и риск (я бы не рекомендовал).
Читать дальше →
Всего голосов 23: ↑23 и ↓0 +23
Просмотры 195K
Комментарии 7

Quantization Aware Training. Или как правильно использовать fp16 inference в TensorRT

Высокая производительность *Программирование *Серверная оптимизация *Машинное обучение *Искусственный интеллект

Low-precision inference в TensorRT сегодня - мастхэв, бест практис и прочие иностранные. Сконвертить из TensorFlow легко, запустить легко, использовать fp16 легко. Да и КПД выше, чем у pruning или distillation. На первый взгляд всё работает идеально. Но на самом деле всё ли так гладко? Рассказываем, как мы в TrafficData споткнулись об fp16, встали и написали статью.

Читать далее
Всего голосов 2: ↑2 и ↓0 +2
Просмотры 3.7K
Комментарии 7