神经架构搜索：自动化设计神经网络的方法
引言 在人工智能（AI）和深度学习（Deep Learning）快速发展的背景下，神经网络架构的设计已成为一个日益复杂而关键的任务。传统上，研究人员和工程师需要通过经验和反复试验来手动设计神经网络，耗费大量时间和计算资源。随着模型规模的不断扩大，这种方法显得愈加低效和不够灵活。为了解决这一挑战，神经架构搜索（Neural Architecture Search，NAS）应运而...
微软提出自动化神经网络训练剪枝框架OTO，一站式获得高性能轻量化模型
作者： 陈天翼-微软西雅图-高级研究员OTO 是业内首个自动化、一站式、用户友好且通用的神经网络训练与结构压缩框架。在人工智能时代，如何部署和维护神经网络是产品化的关键问题考虑到节省运算成本，同时尽可能小地损失模型性能，压缩神经网络成为了 DNN 产品化的关键之一。DNN 压缩通常来说有三种方式，剪枝，知识蒸馏和量化。剪枝旨在识别并去除冗余结构，给 DNN 瘦身的同时尽可能地保持模型性能，是最为....
【中科院自动化所AAAI Oral】从哈希到卷积神经网络：高精度 & 低功耗
近年来，深度卷积神经网络已经深入了计算机视觉的各个任务中，并在图像识别、目标跟踪、语义分割等领域中取得了重大突破。在一些场景下，当前深度卷积网络性能已经足以部署到实际应用中，这也鼓舞着人们将深度学习落地到更多的应用中。 然而，深度卷积网络在实际部署时面临着参数量和时间复杂度等两方面的问题，一方面是深度网络巨大的参数量会占用大量的硬盘存储和运行内存，这些硬件资源在一些移动和嵌入式设备中往往是很有限....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
开发与运维
集结各类场景实战经验，助你开发运维畅行无忧
+关注