资料介绍
最大限度地提高深度学习神经网络性能的任务，是现代软硬件发展的一个具有挑战性的实际目标。无论优化技术种类繁多，还是新兴的专用硬件平台，调整神经网络性能的过程都是艰难的。它需要配置数十种优化算法的超参数，选择合适的指标，对中间方案进行基准测试，以选择最佳的方法、平台等。此外，还需要针对具体的推理目标进行硬件设置。本文介绍了一种复杂的软件解决方案（深度学习工作台），它提供交互式用户界面，简化8位量化的过程，使用Winograds最小滤波算法加快卷积运算，测量所得模型的精度。所提出的软件建立在开源的OpenVINO框架之上，支持庞大范围的现代深度学习模型。
我要上传