- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI智韵
YoloV7改进策略：RefConv打造轻量化YoloV7利器
我们使用RefConv替换YoloV7中的卷积，既能提高精度，又能降低运算量，使得模型更加轻量化！ , 3, stride, 1, bias=False), norm_layer(oup), nlin_layer(inplace=True) ) YoloV7官方结果
26210编辑于 2024-10-22 - 来自专栏DevOps时代的专栏
轻量化 Jenkins 最佳实践
前言 今天分享主题主要分成三个部分： 第一部分，Jenkins跟持续交付； 第二部分，Jenkins轻量化思路； 第三部分，Jenkins高可用实践。 二、Jenkins轻量化思路 2.1、使用jenkins的常见问题 接下来就是我今天所要谈的重点，刚才解释了为什么Jenkins所代表的CI/CD如此之重要，但现实里Jenkins还是会出现这样那样的问题 我们不希望Jenkins承载更多的东西，这也是为什么我提出轻量化Jenkins的概念，初衷在于给Jenkins减负。 ? 接下来我们看一看Jenkins的系统架构。 2.6、轻量化解决之道 那么轻量化的概念到底是什么意思呢？ 那么在实践Jenkins轻量化解决之道的过程中，我总结了一些套路和体系，其中以下八点内容希望可以帮助大家解决一些实际生产工作中Jenkins的性能问题，同时扩展大家的思路，共同探索Jenkins应用的最佳实践
4.9K90发布于 2018-02-02 - 来自专栏集智书童
全新轻量化模型 | 轻量化沙漏网络助力视觉感知涨点
人体姿态估计（HPE）是计算机视觉中的一项经典任务，它主要通过识别人的关节的位置来表示人的方向。HPE可以用来理解和分析人类的几何和运动相关信息。Newell等人在Mask3D中提出的堆叠沙漏架构是第一个基于深度学习的HPE方法之一，因为经典方法在此之前主导了HPE文献。
1.4K30编辑于 2023-02-26 - 来自专栏SIGAI学习与实践平台
轻量化神经网络综述
目前工业级和学术界设计轻量化神经网络模型主要有4个方向：(1)人工设计轻量化神经网络模型、(2)基于神经网络架构搜索（Neural Architecture Search,NAS）的自动化设计神经网络； 1基本卷积运算 手工设计轻量化模型主要思想在于设计更高效的“网络计算方式”（主要针对卷积方式），从而使网络参数减少，并且不损失网络性能。 1.3Depthwise convolution Depthwise convolution[7]最早是由Google提出，是指将NxHxWxC输入特征图分为group=C组(既Depthwise 是Grouped 很多轻量化模型重复 block 架构，只改变滤波器尺寸和空间维度。论文提出的层级搜索空间允许模型的各个 block 包括不同的卷积层。 , “FD-MobileNet: Improved MobileNet with a Fast Downsampling Strategy,” in arXiv:1802.03750, 2018. [7]
4.7K51发布于 2018-09-27 工厂端部署轻量化模型
在工厂端部署轻量化模型通过TensorRT加速的ResNet，是制造业实现实时物料追溯与质量检测的关键技术路径。以下从技术原理、实施步骤、应用场景及优化策略四个维度展开说明：一、为何选择轻量化模型？ 模型轻量化改造架构优化： 将ResNet-50替换为ResNet-18或MobileNetV3，参数量减少80%以上。 性能对比（Tesla T4 GPU环境）模型 参数量FP32延迟INT8延迟内存占用ResNet-50 (原始) 25.5M 22ms 7ms 190MB AI方案模型选型： 基础模型：ResNet-34（ImageNet预训练） 轻量化后：剪枝至ResNet-12，INT8量化，体积从85MB→12MB。
99710编辑于 2025-04-10- 来自专栏1996
轻量化网络 | MobileNet论文解析
但其使用深度可分离卷积层替换之前的全卷积层，以达到压缩参数数量并轻量化网络这一目标。 MobileNet除了第一层为全卷积层，其余层均为深度可分离卷积。 不同于Deep Compression，因为网络在定义时结构简单，因此我们可以简单地搜索网络的拓扑结构，从头直接训练出一个效果很好的轻量化网络。
1.1K10编辑于 2022-09-23 - 来自专栏SIGAI学习与实践平台
轻量化神经网络综述
目前工业级和学术界设计轻量化神经网络模型主要有4个方向： (1)人工设计轻量化神经网络模型； (2)基于神经网络架构搜索（Neural Architecture Search,NAS）的自动化设计神经网络 1、基本卷积运算 手工设计轻量化模型主要思想在于设计更高效的“网络计算方式”（主要针对卷积方式），从而使网络参数减少，并且不损失网络性能。 图5 AlexNet网络架构 1.3 Depthwise convolution Depthwise convolution[7]最早是由Google提出，是指将NxHxWxC输入特征图分为group= 图7 Depthwise卷积：空间维度和通道维度示意图 1.4 pointwise convolution Pointwise是指对NxHxWxC的输入做 k个普通的 1x1卷积，如图8，主要用于改变输出通道特征维度 很多轻量化模型重复 block 架构，只改变滤波器尺寸和空间维度。论文提出的层级搜索空间允许模型的各个 block 包括不同的卷积层。
1.3K20发布于 2018-10-18 - 来自专栏为了不折腾而去折腾的那些事
GitLab 14 轻量化运行方案
GitLab 在 v10 版本之后，不断增加功能，逐渐调整重心为一站式平台，产品趋于面向公司和组织，导致其对于服务器资源的依赖与日俱增，从最初的 1GB 左右内存的资源就能流畅运行，膨胀到了目前至少需要 6～7 *[{redis-server}] │ └─svlogd ├─runsv─┬─gitaly-wrapper───7* postgres───8*[postgres] │ └─svlogd ├─runsv─┬─bundle─┬─bundle───7*
5.7K21发布于 2021-07-14 - 来自专栏集智书童
最新轻量化Backbone | FalconNet汇聚所有轻量化模块的优点，成就最强最轻Backbone
为了解决这些问题，本文将轻量化CNNs的4个重要组成部分从粗到细分解并重新设计： 设计了一个称为LightNet的轻量化整体架构，该架构通过简单地实现其他轻量化CNN的BasicBlock来获得更好的性能 所获得的多分支算子被称为RepSO（重参化空间算子），如左图6所示，所有这7个分支都单独配备了一个BN层，然后逐Meta添加每个分支的归一化输出。 如图6右所示，根据卷积的可加性和同质性以及结构重参化的方法，这7个分支在推理中可以等价地转换为单个3×3 DW-Conv分支。这不会产生额外的推理成本。 图7显示了不同1×1 Conv的连接和相应的感受范围。假设C是输入神经Meta 的数量（通道数），正如所观察到的，密集的1×1 Conv的每个输出神经元都可以直接关注所有输入神经元，因此感受范围为C。 通过这种方式，SF Conv可以将稀疏性引入通道连接，并保持完整的接收范围（如图7所示），从而减少参数和Flops的数量，同时获得有竞争力的表示能力。
1.6K20编辑于 2023-09-04 - 来自专栏为了不折腾而去折腾的那些事
GitLab 14 轻量化运行方案
GitLab 在 v10 版本之后，不断增加功能，逐渐调整重心为一站式平台，产品趋于面向公司和组织，导致其对于服务器资源的依赖与日俱增，从最初的 1GB 左右内存的资源就能流畅运行，膨胀到了目前至少需要 6～7 *[{redis-server}] │ └─svlogd ├─runsv─┬─gitaly-wrapper───7* postgres───8*[postgres] │ └─svlogd ├─runsv─┬─bundle─┬─bundle───7*
3.8K40发布于 2021-07-16 - 来自专栏大侠之运维
轻量化的远控工具
在今天的数字化时代，远程控制工具变得越来越重要，无论是用于远程技术支持、服务器管理还是其他远程操作。natpass是一款轻量级的远程控制工具，它提供了强大的功能和安全性，使您能够轻松地远程管理您的计算机和服务器。本文将介绍natpass的功能、部署过程以及如何使用它，帮助您充分了解这个有用的工具。
70810编辑于 2024-10-09 - 来自专栏全栈程序员必看
mobilenet改进_常用的轻量化网络
MobilenetV1/Conv2d_6_pointwise/Conv2D: 131,072 25,690,112 MobilenetV1/Conv2d_7_ depthwise/depthwise: 4,608 903,168 MobilenetV1/Conv2d_7_pointwise/Conv2D: conv_ds_6') net = _depthwise_separable_conv(net, 512, width_multiplier, downsample=True, sc='conv_ds_7' _depthwise_separable_conv(net, 1024, width_multiplier, sc='conv_ds_14') net = slim.avg_pool2d(net, [7, 7], scope='avg_pool_15') end_points = slim.utils.convert_collection_to_dict(end_points_collection) net
1.2K10编辑于 2022-10-03 - 来自专栏Android群英传
Flutter混编工程之轻量化改造
所以，Flutter轻量化改造重要原因，就是需要「尽可能多的复用原生已有的逻辑」，例如图片框架、网络、埋点，而不是在Flutter中去全部再实现一遍。 同时，Flutter轻量化改造也是对EngineGroup架构的最佳实践，在EngineGroup架构下，我们需要将数据源放到原生侧，从而保证多Engine的数据共享。 轻量化改造实践 首先，我们通过Pigeon生成接口协议和调用代码，原生侧分别基于当前协议来进行开发。 不过，我们需要解决Pigeon CLI脚本只能有一个协议文件的问题。 所以，我们需要对轻量化Flutter框架做进一步改造。 测试结果：Channel耗时统计10次，Debug包下，均值在12ms左右，Release包下，均值在7ms左右，满足使用条件。
93610编辑于 2022-03-31 - 来自专栏AI科技评论
砖家：轻量化网络利好红米
为此，研究人员提出了一个叫做 Lite-Web（轻量化网页）的解决方案，可使网页在低端手机上加载速度更快，处理起来更容易。
55320编辑于 2023-02-23 桥梁轻量化监测有几种类型?
轻量化监测系统是近年来交通基础设施智慧化领域的热点概念，已密集出现在国家级政策文件中。 实践中，桥梁轻量化监测并未形成统一范式，而是随着政策导向与技术发展呈现出明显的类型分化，不同类型的设计理念、技术路径与应用场景各有侧重：一、早期针对性轻量化监测(江苏先行模式)这一类型是轻量化监测概念的雏形 三、养护数字化导向型轻量化监测(全覆盖赋能模式)随着政策要求从 “重点监测” 向 “全面覆盖” 演进，多地开始推动轻量化监测系统的全域部署 —— 不仅包括高风险桥梁，也逐步延伸至普通服役桥梁。 这类轻量化监测的核心诉求是数据的实用性与连续性，需要通过多维度参数采集、智能化数据分析，为桥梁全生命周期养护提供科学依据。 结语桥梁轻量化监测的类型分化，本质上是政策需求、技术发展与管理目标三者动态适配的结果。
32510编辑于 2025-11-06- 来自专栏xwc1125
Sealos+tkeauth 轻量化安装TKEStack
Sealos+tkeauth 轻量化安装TKEStackSealos安装k8s参考文档：https://www.sealos.io/zh-Hans/docs/Intro安装sealoswget http replicas: 1 # 必填 image: tkestack/tke-platform-api-amd64:bc48bed59bff2022d87db5e1484481715357ee7c v1.21.4-1 # 必填 image: tkestack/tke-platform-controller-amd64:bc48bed59bff2022d87db5e1484481715357ee7c monitorStorageAddresses:tke-gateway: # 必填 image: tkestack/tke-gateway-amd64:bc48bed59bff2022d87db5e1484481715357ee7c
78320编辑于 2022-08-12 - 来自专栏我爱计算机视觉
使用高斯过程回归指导网络轻量化
并通过实验证明了使用该方法做网络轻量化的有效性。 4.方法简单，具有通用性，不会引入AI加速器不支持的算子。 关键内容 为了探索在构建轻量化网络时，减小输入图片分辨率、减小宽度、减少深度对网络性能的影响，作者做了一个实验。 以EfficientNet-B0为baseline去做网络轻量化，使得目标网络的计算量为原来一半，即200M FLOPs左右。 给定计算量为的baseline模型，要得到计算量为 的轻量化模型，就是要求取目标模型的、和，因此、和都是的函数，即： ? 若要得到高性能的轻量化目标模型，需要探索一个问题：不同计算量下，什么样的模型有高性能？
80420发布于 2020-11-06 - 来自专栏清羽飞扬
Shynet：极为轻量化的访客监控系统
为了服务器的稳定，我只能忍痛将其关闭，并使用揽星在评论区提到的统计系统：51La和统计鸟，但是这两个卧龙凤雏每天都加载不出来，严重影响访客统计数据，实在没办法，只能自行部署，于是我又开始在网上寻找更加轻量化的访客统计系统 总体来说，我不是很喜欢，但是奈何他轻量化，我又能要什么自行车呢？ 优点 作为一个轻量化的系统，他的优点自然就是极为轻量化了，它的统计代码如下： <noscript> <img src="https://visitor.qyliu.top/ingress/aaaaaa-bbbbbb-cccccc-dddddd Umami到后来的51La和统计鸟，再到本次选择的Shynet，每一步都是为了找到一个符合服务器要求、易于部署、功能齐全的解决方案，Shynet作为一个自托管的网络分析工具，不仅保护了访客的隐私，而且在<em>轻量化</em>和功能性方面表现出色 如果你也在寻求一个及其<em>轻量化</em>的访客统计系统，不妨可以试试，相信不会让你失望！ 本次教程到此结束，如果有什么问题欢迎在评论区留言！
1.1K10编辑于 2024-05-30 - 来自专栏小鑫同学编程历险记
lerna-lite 轻量化 monorepo 管理利器
lerna-lite 介绍 lerna-lite 是用来管理和发布同一仓库多 JavaScript/TypeScript 包的一款工具，与 lerna 相比 lerna-lite 具有更轻量化和模块化的特点
1K10编辑于 2024-04-24 - 来自专栏让技术飞起来
轻量化方式实现灰度发布落地
由于本次调研的范围和时间有限，所以我认为较好用的轻量化灰度发布方案就暂时罗列这两类，当然方案有千千万，选择自己合适的就好。
1.1K40编辑于 2022-09-15
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号