V
主页
CNN模型小型化算法总结!ESPnet/GhostNet系列介绍!【推理系统】模型小型化03
发布人
【推理系统】模型小型化03:CNN模型小型化算法总结!ESPnet/GhostNet系列介绍! 轻量级网络的核心是在尽量保持精度的前提下,从体积和速度两方面对网络进行轻量化改。本视频内容主要是对CNN的模型小型化进行介绍,特别是ESPnet/GhostNet 系列进行详细展开,最后对轻量化网络模型的演进点进行总结。
打开封面
下载高清视频
观看高清视频
视频下载器
模型压缩架构和流程介绍!量化/剪枝/蒸馏/二值化4件套!【推理系统】模型压缩第01篇
如何计算模型参数量?什么是FLOPS和MACC?【推理系统】模型小型化第01篇
低比特量化基本原理!【推理引擎】模型压缩系列第02篇
CNN模型小型化原理!SqueezeNet/ShuffleNet/MobileNet系列介绍!【推理系统】模型小型化第02篇
什么是推理系统?推理有哪些应用?【推理系统】系列01篇
知识蒸馏原理介绍!知识从哪里来怎么蒸馏?【推理引擎】模型压缩系列第06篇(上)
Transformer轻量化SOTA模型原理!【推理系统】模型小型化第04篇
Kernel优化架构介绍!【推理引擎】Kernel优化第01篇
推理引擎架构介绍!MNN、TF Lite、TensorRT介绍!【推理系统】系列05篇(上)
卷积优化:Im2Col算法和组合优化算法【推理引擎】Kernel优化第03篇
模型剪枝核心原理!模型剪枝算法和流程介绍!Model Pruning深度解析【推理引擎】模型压缩系列第05篇
感知量化训练QAT原理!伪量化节点计算方式!【推理引擎】模型压缩系列第03篇
云侧和端侧推理方式的特点和区别!【推理系统】系列03篇
推理引擎架构!MNN、TensorRT架构介绍!【推理系统】系列05篇(下)
知识蒸馏SOTA算法解读!【推理引擎】模型压缩系列第06篇(下)
推理系统架构和Trition架构介绍!【推理系统】系列04篇
推理系统和推理引擎的不同之处在哪?【推理系统】系列02篇
计算图优化策略!【推理引擎】离线优化系列第01篇
算子融合/算子替换/算子前移优化!【推理引擎】离线优化第03篇
卷积优化:Winograd算法【推理引擎】Kernel优化第04篇
QNNPack之间接优化算法【推理引擎】Kernel优化第05篇
训练后量化PTQ深度解读!与量化部署核心原理!【推理引擎】模型压缩系列第04篇
模型序列化和反序列化原理!【推理引擎】离线转换系列第02篇
Flash Attention原理!数据布局转换与内存优化!【推理引擎】离线优化第04篇
AI芯片涉及哪些知识?【AI芯片】内容简介
模型转换技术细节!【推理引擎】离线转换系列第04篇
为什么AI框架都用计算图?什么是计算图?到底计算图有什么用?【计算图】系列第二篇
大模型推理需要多大的显存? #大模型 #AI系统 #推理 #显存
大模型为什么需要微调?有哪些微调方式?#大模型 #微调
向量数据库介绍,Vector和Embedding关系 #大模型 #向量数据库
分布式并行策略基础介绍!【分布式并行】系列第01篇
大模型整体架构、大模型全流程介绍 #大模型 #AI系统
深入GPU原理:线程和缓存关系【AI芯片】GPU原理01
如何自定义计算图IR?【推理引擎】离线转换系列第03篇
大模型是怎么训起来的?分布式并行框架介绍 #大模型 #分布式并行 #训练
离线转换模块架构与流程!【推理引擎】离线转换系列第01篇
分布式训练总结!【大模型与分布式训练】系列第07篇
分布式训练、分布式集群的基础介绍!【分布式集群】第01篇
推理引擎内存布局方式【推理引擎】Kernel优化第06篇
PyTorch数据并行怎么实现?DP、DDP、FSDP数据并行原理?【分布式并行】系列第02篇