V
主页
CNN模型小型化原理!SqueezeNet/ShuffleNet/MobileNet系列介绍!【推理系统】模型小型化02
发布人
【推理系统】模型小型化02:CNN模型小型化原理!SqueezeNet/ShuffleNet/MobileNet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 SqueezeNet/ShuffleNet/MobileNet系列进行详细展开。
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
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
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
知识蒸馏SOTA算法解读!【推理引擎】模型压缩系列第06篇(下)
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
CNN模型小型化算法总结!ESPnet/GhostNet系列介绍!【推理系统】模型小型化第03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
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
什么是推理系统?推理有哪些应用?【推理系统】系列01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
卷积优化:Im2Col算法和组合优化算法【推理引擎】Kernel优化第03篇
推理系统架构和Trition架构介绍!【推理系统】系列04篇
计算图优化策略!【推理引擎】离线优化系列第01篇
常量折叠与冗余节点消除优化!计算图优化Details!【推理引擎】离线优化第02篇
深入GPU原理:线程和缓存关系【AI芯片】GPU原理01
推理引擎架构!MNN、TensorRT架构介绍!【推理系统】系列05篇(下)
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)
离线转换模块架构与流程!【推理引擎】离线转换系列第01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
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
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
AI芯片涉及哪些知识?【AI芯片】内容简介
如何自定义计算图IR?【推理引擎】离线转换系列第03篇
模型转换技术细节!【推理引擎】离线转换系列第04篇
分布式训练、分布式集群的基础介绍!【分布式集群】第01篇
大模型整体架构、大模型全流程介绍 #大模型 #AI系统
云侧和端侧推理方式的特点和区别!【推理系统】系列03篇
向量数据库介绍,Vector和Embedding关系 #大模型 #向量数据库
推理引擎内存布局方式【推理引擎】Kernel优化第06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
AI编译器前端"图层优化"内容概览!!【AI编译器】系列之前端优化第01篇
卷积优化:卷积操作基础原理!【推理引擎】Kernel优化第02篇
为什么大模型都用Transformer结构? #AIInfra #大模型 #Transformer
分布式并行策略基础介绍!【分布式并行】系列第01篇
计算图有哪些内容知识?【计算图】系列第一篇
int8/fp16/bf16/tf32在AI芯片中什么作用?【AI芯片】AI计算体系06