- 综合排序
- 最热优先
- 最新优先
- 来自专栏程序员IT圈
百度跨平台 AI 推理加速引擎 -- Anakin
Anakin目前支持Intel-CPU、NVIDIA-GPU、AMD-GPU和ARM平台，后续将支持更多平台如寒武纪、比特大陆等。 Saber是一个高效的跨平台计算库，包括大量的汇编级优化代码，并支持众多国际行业合作伙伴的架构，如Intel-cpu，NV-gpu，AMD-gpu和ARM等，同时以后还将支持寒武纪MLU100和比特大陆 目前Anakin已经支持了多种硬件架构，如Intel-CPU、NVIDIA-GPU、AMD-GPU、ARM等，未来将会陆续支持比特大陆、寒武纪深度学习芯片等等不同硬件架构。
1.6K40发布于 2018-08-16 - 来自专栏深度学习技术前沿
【移动端最强架构】LCNet吊打现有主流轻量型网络（附代码实现）
因此，在本文中，作者重新思考了在Intel-CPU上设计网络的轻量级模型元素。作者特别考虑以下三个基本问题。 如何在不增加延迟的情况下促进网络学习到更强的表征能力？ 最终提出了一种结合Intel-CPU端侧推理特性而设计的轻量高性能网络PP-LCNet，所提架构取得了比ShuffleNetV2、MobileNetV2、MobileNetV3以及GhostNet更优的延迟
1.3K20发布于 2021-11-30 - 来自专栏AIWalker
PPLCNet：CPU端强悍担当，吊打现有主流轻量型网络，百度提出CPU端的最强轻量型架构
pdf code: https://github.com/PaddlePaddle/PaddleClas 前有阿里团队针对Nvidia-GPU端加速而设计的高推理速度高性能的GENet，现有百度团队针对Intel-CPU 本文是百度团队结合Intel-CPU端侧推理特性而设计的轻量高性能网络PP-LCNet，所提方案在图像分类任务上取得了比ShuffleNetV2、MobileNetV2、MobileNetV3以及GhostNet
2.2K20发布于 2021-10-12 - 来自专栏深度学习那些事儿
Openvino初探(实际体验)
通俗易懂点说想要在intel-cpu或者嵌入式上部署深度学习模型，之前你使用libtorch或者tvm，这个时候可以考虑考虑openvino，其针对intel的多代cpu以及其他硬件平台做了针对的优化。 一些总结和问题 OpenVino作为一个针对于Intel-CPU部署工具，和其他大多数的推理框架是类似的，和TensorRT一样，有着丰富的例程和相应的文档(TVM等开源社会框架则文档少一些)，入门相对比较容易 优点很明显，在Intel-CPU上的模型优化能力非常棒，大部分模型通吃，转化ONNX模型很少有失败的情况。可以充分利用多核优势，并且可以灵活设置使用的线程数量。
2K40编辑于 2023-10-19 - 来自专栏集智书童
快到起飞 | PP-LCNet在CPU上让模型起飞，精度提升且比MobileNetV3+快3倍
在本文中，作者重新思考了在Intel-CPU上设计网络的轻量级模型元素。作者特别考虑以下三个基本问题。 如何在不增加延迟的情况下促进网络学习更强的特性展示。
1.8K10发布于 2021-10-12 - 来自专栏CloudBest
干货 | 一文理清深度学习
通俗易懂点说想要在Intel-cpu或者嵌入式上部署深度学习模型， 之前使用libtorch或者tvm， 这个时候可以考虑考虑OpenVINO， 其针对Intel的多代CPU以及其他硬件平台做了针对的优化
60050发布于 2021-04-20 - 来自专栏GitHubDaily
炸裂！PDF 转 Word 彻底告别收费时代，这款 OCR 开源神器要逆天！
☆表格识别 PP-LCNet: CPU友好型轻量级骨干网络 PP-LCNet是结合Intel-CPU端侧推理特性而设计的轻量高性能骨干网络，在图像分类任务上，该方案在“精度-速度”均衡方面的表现比ShuffleNetV2
6.9K10编辑于 2022-11-01
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