本课程讲解了英伟达TensoRT在加速深度学习模型中的应用，在本课程中，不仅授之以“渔”，而且授之以鱼，在讲解使用方法的基础上，最终完成一个统一的推理引擎和一个统一模型转换工具，可以把tf, caffe和onnx模型通过配置文件转换为TensorRT模型，并使用推理引擎进行加速。同时在Int8量化中给大家讲解了如和进行Int8量化，并赠送了我自己开发的一个手工读取和修改量化表的工具。在课程中给大家讲解了性能优化和如何避免各种坑。使得开发后的工具可以直接在工程部署中应用。
2021-08-08 14:31:11
369KB
1
OpenVINO Toolkit - 预先训练的深度学习模型和示例
2021-07-28 11:01:37
39.28MB
1
风力发电预测
这是根据我的硕士论文进行的一项实验，其主要重点是比较应用于时间序列问题的不同深度学习策略。 这项研究仅集中在循环和卷积体系结构上。
数据
数据由RedesEnergéticasNacionais（REN）收集，并基于葡萄牙电力系统中注入的风力。 从2010年第一天到2016年最后一天，它以15分钟的分辨率进行了采样。所收集的数据适用于与REN遥测系统相连的所有风电场。 数据在data文件夹下。
客观的
主要任务是对产生的风力进行预测。 将要预测三个视野。 一小时，六小时和24小时，这意味着在提前一小时的预测中将预测4分（15、30、45和60分钟）。
演算法
测试了以下体系结构列表：
RNN架构[RNN + GRU + LSTM单元]
扩张式递归架构
编码器-解码器体系结构
编码器-解码器+注意系统体系结构
准RNN
Wavenet
TCN
有关模型的详细说明，请检查链接
2021-07-16 11:18:39
1.86MB
1
浏览器中的深度学习
我尝试了一些用于在浏览器中部署ML模型的框架。 我制作了一个Web应用程序以在Tensorflow.js，WebDNN和ONNX.js中加载和分类图像，并将它们的运行时与不同的后端（WebGL，WASM，CPU）进行了比较。
我还为此写了一篇博客文章，可以与该代码一起作为教程
要求
Node.js（v12 +）
表示
其余的JS库和模型都包含在此存储库中。
2021-07-09 17:03:33
647.73MB
1
在这个综述中，我们讨论了六种不同类型的方法(剪枝、量化、知识蒸馏、参数共享、张量分解和基于线性变压器的方法)来压缩这些模型，使它们能够在实际的工业NLP项目中部署。
2021-07-05 08:02:30
1.78MB
1