手机端开发深度学习应用
2017-12-01 13:56
148 查看
第一步模型压缩
将深度学习模型应用到手机、嵌入式设备,我们应该减少模型内存封装,减少推断时间和减少能源使用。有许多方式解决这些问题,例如量子化,权重简直或者distilling 大模型到小模型.
本文使用在Tensorflow中的量子化工具压缩模型。缩减到8bit权重,没有提供额外的好处例如减少推断时间。时间甚至需要2倍,因为量子化工作对CPU没有优化。
量化模型参数:
1 将模型写入protocol buffer file
2 安装TensorFlow
3 运行下列代码
bazel build
tensorflow/tools/graph_transforms:transform_graph
bazel_bin/tensorflow/tools/graph_transforms/transform_graph – in_graph = /.pb/file
– outputs = “output_node_name”
– out_graph = /the/quantized/.pb/file
– transforms =’quantize_weights’
第二步 使用tensorflow library
第三步 数据预处理
将数据处理成训练数据的格式。特征提取
将深度学习模型应用到手机、嵌入式设备,我们应该减少模型内存封装,减少推断时间和减少能源使用。有许多方式解决这些问题,例如量子化,权重简直或者distilling 大模型到小模型.
本文使用在Tensorflow中的量子化工具压缩模型。缩减到8bit权重,没有提供额外的好处例如减少推断时间。时间甚至需要2倍,因为量子化工作对CPU没有优化。
量化模型参数:
1 将模型写入protocol buffer file
2 安装TensorFlow
3 运行下列代码
bazel build
tensorflow/tools/graph_transforms:transform_graph
bazel_bin/tensorflow/tools/graph_transforms/transform_graph – in_graph = /.pb/file
– outputs = “output_node_name”
– out_graph = /the/quantized/.pb/file
– transforms =’quantize_weights’
第二步 使用tensorflow library
第三步 数据预处理
将数据处理成训练数据的格式。特征提取
相关文章推荐
- 【CUDA开发-并行计算】NVIDIA深度学习应用之五大杀器
- 深度学习(deep learning)核心技术开发与应用培训班
- 深度学习核心技术应用与开发
- [AI开发]将深度学习技术应用到实际项目
- 2018年----深度学习DeepLearning核心技术开发与应用培训班
- 深度学习DeepLearning核心技术开发与应用培训班
- 深度学习框架TensorFlow学习与应用(一)——基本概念与简单示例
- ios学习笔记之block在ios开发中的应用
- 【Python开发】【神经网络与深度学习】网络爬虫之python实现
- Android深度探索:HAL与驱动开发学习笔记--工作队列
- 2011斯坦福大学iOS应用开发教程学习笔记(第五课)Protocols,手势识别
- 深度学习——卷积神经网络的应用——目标检测
- android应用开发实践一:Activity与控件布局,事件监听之学习实践
- Android应用开发学习之图片切换器
- 【学习Android NDK开发】创建Android应用(Ubuntu终端)
- Kinect开发学习笔记之(追加)深度距离误差分析
- [置顶] 机器学习、深度学习、计算机视觉、自然语言处理及应用案例——干货分享(持续更新......)
- win10 搭建完整深度学习开发环境
- iPhone/iPad高级应用与手游开发学习笔记:多点触摸与手势检测(三:UIPinchGestureRecognizer和UIRotationGestureRecognizer)
- 一步一步学习开发BPM工作流系统--------(三)开发WinForm的应用平台-2