搜索 - 腾讯云开发者社区-腾讯云

文章/答案/技术大牛

发布

来自专栏范传康的专栏
TinyML-4：（Quantization）为什么int8足够用于ML
当神经网络最初被开发时，最大的挑战是使它们能够工作！这意味着训练期间的准确性和速度是重中之重。使用浮点算术是保持精度的最简单方法，并且GPU具备完善的设备来加速这些计算，因此自然不会对其他数字格式给予太多关注。
2.1K51发布于 2021-01-10
来自专栏范传康的专栏
TinyML-6:移植到nrf52840淘宝开发板（带源码）
TinyML实践-3：牛运动姿态识别的落地实现 TinyML-4：（Quantization）为什么int8足够用于ML TinyML-5:TFLite Quantization背后的运行机制
2.6K31发布于 2021-01-24
来自专栏范传康的专栏
TinyML-5:TFLite Quantization背后的运行机制
TinyML实践-3：牛运动姿态识别的落地实现 TinyML-4：（Quantization）为什么int8足够用于ML Edx HarvardX TinyML2-1.4: Machine Learning
2.8K91发布于 2021-01-17