内容选择
全部
内容选择
内容分类
  • 学堂
  • 博客
  • 论坛
  • 开发服务
  • 开发工具
  • 直播
  • 视频
  • 用户
时间
  • 一周
  • 一个月
  • 三个月
  • 轻量化模型调研

    轻量化模型总结 目的 保证模型精度的前提下尽量减小模型的参数量,达到加速模型,方便模型部署的目的 主流方法 基于神经网络架构搜索的自动化设计神经网络技术 网络结构不变的模型压缩 模型剪裁和稀疏化 模型量化 模型蒸馏 … 人工设计轻量化模型 SqueezeNet MobileNet

    作者: xiaozr
    发表时间: 2021-04-22 02:55:27
    2860
    0
  • 华为eNSP配置访问控制列表ACL

    华为eNSP配置访问控制列表ACL一、配置路由器R1和R2接口二、基本ACL配置三、高级ACL配置(一)在R2上配置高级ACL拒绝PC1和PC2 ping server1,但是允许其HTTP访问Server1。(二)拒绝源地址192.168.10.2 telnet访问12.1.1

    作者: hello12345678
    发表时间: 2021-09-25 06:27:22
    2609
    0
  • AI计算模式概述与经典模型结构

    引言 了解AI计算模式对AI芯片设计和优化方向至关重要。本节将会通过模型结构、压缩、轻量化和分布式几个内容,来深入了解AI算法的发展现状,引发关于AI计算模式的思考,重点围绕经典网络模型模型量化压缩两方面进行展开。 经典模型结构设计与演进 神经网络是AI算法基础的计算模型,灵感来源

    作者: 小蛋挞聊科技
    发表时间: 2024-10-11 09:15:38
    157
    0
  • Gateway API 实践之(二)FSM Gateway 的黑白名单访问控制

    "User-Agent": "curl/7.81.0" } } 访问控制测试 基于域名的访问控制 使用基于域名的访问控制,我们可以在策略中设置一个或者多个域名,为设定的域名添加黑白名单。 比如下面的策略中: targetRef 是对应用策略的目标资源的引用,对于 HTTP 请求引用的是 HTTPRoute

    作者: Flomesh
    发表时间: 2024-01-16 14:24:21
    402
    0
  • 模型大小 与参数量计算

    0006M。有些时候,model size在实际计算时除了包含参数量以外,还包括网络架构信息和优化器信息等。比如存储一个一般的CNN模型(ImageNet训练)需要大于300MB。 M和MB的换算关系: 比如说我有一个模型参数量是1M,在一般的深度学习框架中(比如说PyTor

    作者: 风吹稻花香
    发表时间: 2021-06-04 15:16:02
    6008
    0
  • 上安全:计算环境下的数据保护策略

    随着计算技术的快速发展,越来越多的企业选择将业务迁移到云端,以享受更高的灵活性、可扩展性和成本效益。然而,计算环境下的数据安全问题也随之而来,成为企业和用户关注的重点。本文将深入探讨计算环境下数据保护面临的挑战,并提出一系列有效的保护策略。 一、计算环境下的数据安全挑战

    作者: wljslmz
    发表时间: 2024-11-11 10:13:23
    492
    0
  • 模型压缩部署概述

    一,模型在线部署 深度学习和计算机视觉方向除了算法训练/研究,还有两个重要的方向: 模型压缩(模型优化、量化)、模型部署(模型转换、后端功能SDK开发)。所谓模型部署,即将算法研究员训练出的模型部署到具体的端边芯片平台上,并完成特定业务的视频结构化应用开发。 现阶段的平台主要分为云平台(如英伟达

    作者: 嵌入式视觉
    发表时间: 2023-01-31 11:07:03
    150
    0
  • 计算机网络——OSI 参考模型

    计算机网络 OSI 模型 计算机网络 OSI 模型(Open Systems Interconnection model)是一种概念模型,它表征并标准化电信或计算系统的通信功能,而不考虑其基础内部结构和技术。 其目标是多种通信系统与标准协议的互操作性。 该模型将通信系统划分为抽象层。

    作者: 王同学要努力
    发表时间: 2022-09-10 12:15:14
    155
    0
  • 深度学习应用篇-元学习[16]:基于模型的元学习-Learning to Learn优化策略、Meta-Learner LSTM

    Meta-Learner LSTM 模型结构 Meta-Learner LSTM 是一个两层的 LSTM 网络,第一层是正常的 LSTM 模型,第二层是近似随机梯度的 LSTM 模型。 所有的损失函数值和损失函数梯度值经过预处理,输入第一层 LSTM 中, 计算学习率和遗忘门等参数,损失函数梯度值还要输入第二层

    作者: 汀丶
    发表时间: 2023-06-15 10:31:20
    46
    0
  • 常用测试模型:TPCDS

    341762640045438.png雪花型模型:雪花模型在星型模型的基础上,维度表进一步规范化为子维度表,这些子维度表没有直接与事实表连接,而是通过其他维度表连接到事实表上,看起来就像一片雪花,故称雪花模型。也就是说雪花模型是星型模型的进一步扩展,将其维度表扩展为更小的维度表,

    作者: 键盘er
    发表时间: 2020-09-29 09:18:07
    10076
    0
  • 【问答官】在深度学习模型训练中,界常用的学习率策略有哪几种?

    在深度学习模型训练中,界常用的学习率策略有哪几种?

    作者: bjxingch
    626
    1
  • onnx 模型推理示例-Python 实现 |【onnx 模型推理】

    Python onnx 模型推理示例 Python onnx 模型推理示例 onnx 模型推理示例 【仅供参考】 这是一个 风格迁移 onnx 模型推理过程代码,包含步骤如下 加载模型 - 创建 onnx Session

    作者: 墨理学AI
    发表时间: 2022-01-21 15:52:25
    482
    0
  • 对象模型

    对象模型 本节介绍VPC通道的对象模型。 “操作类型”用于描述字段的属性,表示对应字段的值可进行的操作:C:创建;U:更新;R:读取。 “是否必选”列表示对于“操作类型”为“C”的创建操作,对应字段是否为必选字段。

  • 对象模型

    对象模型 本节介绍环境的对象模型。 “操作类型”用于描述字段的属性,表示对应字段的值可进行的操作:C:创建;U:更新;R:读取。 “是否必选”列表示对于“操作类型”为“C”的创建操作,对应字段是否为必选字段。

  • 对象模型

    对象模型 本节介绍APP与API之间的授权关系的对象模型,如下表所示。 “操作类型”用于描述字段的属性,表示对应字段的值可进行的操作:C:创建;U:更新;R:读取。 “是否必选”列表示

  • 对象模型

    对象模型 本节介绍VPC通道的对象模型。 “操作类型”用于描述字段的属性,表示对应字段的值可进行的操作:C:创建;U:更新;R:读取。 “是否必选”列表示对于“操作类型”为“C”的创建操作,对应字段是否为必选字段。

  • 对象模型

    对象模型 本节介绍环境的对象模型。 “操作类型”用于描述字段的属性,表示对应字段的值可进行的操作:C:创建;U:更新;R:读取。 “是否必选”列表示对于“操作类型”为“C”的创建操作,对应字段是否为必选字段。

  • 对象模型

    对象模型 本节介绍APP与API之间的授权关系的对象模型,如下表所示。 “操作类型”用于描述字段的属性,表示对应字段的值可进行的操作:C:创建;U:更新;R:读取。 “是否必选”列表示

  • 对象模型

    对象模型 本节介绍APP的对象模型,如下表所示。 “操作类型”用于描述字段的属性,表示对应字段的值可进行的操作:C:创建;U:更新;R:读取。 “是否必选”列表示对于“操作类型”为“C”的创建操作,对应字段是否为必选字段。

  • 对象模型

    对象模型 本节介绍APP的对象模型,如下表所示。 “操作类型”用于描述字段的属性,表示对应字段的值可进行的操作:C:创建;U:更新;R:读取。 “是否必选”列表示对于“操作类型”为“C”的创建操作,对应字段是否为必选字段。