注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 利用高性能计算加速深度学习算法

  2. 介绍利用GPU加速深度学习算法，涉及模型并行和数据并行，主从模式和令牌环模式通信，满足GPU集群数据划分方法；最后介绍了利用FPGA加速线上识别算法，提高性能功耗比

  3. 所属分类：其它

    • 发布日期：2015-11-03
    • 文件大小：539kb
    • 提供者：zhang0311

  1. 深度学习Batch Normalization理论

  2. 深度学习Batch Normalization是常用的加速方法，资料为该理论介绍

  3. 所属分类：深度学习

    • 发布日期：2017-11-09
    • 文件大小：169kb
    • 提供者：layyuiop

  1. 深度学习加速与神经形态计算技术-介绍与展望

  2. 本文接受了深度学习加速与神经形态计算技术，展望未来深度学习及神经网络的发展方向。

  3. 所属分类：深度学习

    • 发布日期：2018-06-28
    • 文件大小：9mb
    • 提供者：spaceoflove

  1. 深度学习入门工具介绍PPT

  2. 介绍深度学习的基本工具，设计到深度学习框架、深度学习语言、Ubuntu系统、GPU加速工具、云端计算资源

  3. 所属分类：深度学习

    • 发布日期：2018-08-13
    • 文件大小：1mb
    • 提供者：wanzhen4330

  1. 李曦鹏TensorRT加速深度学习模型在线部署.pdf

  2. 李曦鹏-TensorRT加速深度学习模型在线部署云栖大讲堂-编程语言专场

  3. 所属分类：其它

  1. 低功耗深度学习和计算机视觉方法综述【WF-IoT-普渡大学】.pdf

  2. 本文综述了低功耗深度学习和计算机视觉在推理方面的研究进展，讨论了压缩和加速DNN模型的方法。这些技术可以分为四大类:(1)参数量化和剪枝;(2)压缩卷积滤波器和矩阵分解;(3)网络结构搜索;(4)知识提取。我们分析了每一类技术的准确性、优点、缺点和潜在的问题解决方案。我们还讨论了新的评价指标，作为今后研究的指导。

  3. 所属分类：机器学习

    • 发布日期：2020-03-26
    • 文件大小：222kb
    • 提供者：syp_net

  1. 基于FPGA的深度学习加速器

  2. 基于FPGA的深度学习加速器，基于FPGA的深度学习加速器，基于FPGA的深度学习加速器，基于FPGA的深度学习加速器，基于FPGA的深度学习加速器，基于FPGA的深度学习加速器。

  3. 所属分类：硬件开发

    • 发布日期：2020-01-10
    • 文件大小：4mb
    • 提供者：dengxf01

  1. 基于深度学习的检测冠脉造影有无完全闭塞病变的系统.pdf

  2. 发明专利文档，本发明公开了一种基于深度学习的检测冠 脉造影有无完全闭塞病变的系统，使用深度学习 循环神经网络对整体视频进行分析，并利用GPU (图形处理器)加速计算得到检测结果，计算延时 小解决了检测的实时性问题。

  3. 所属分类：深度学习

    • 发布日期：2020-06-09
    • 文件大小：569kb
    • 提供者：phytle0

  1. 【详解】FPGA：机器深度学习的未来？

  2. 最近几年数据量和可访问性的迅速增长，使得人工智能的算法设计理念发生了转变。人工建立算法的做法被计算机从大量数据中自动习得可组合系统的能力所取代，使得计算机视觉、语音识别、自然语言处理等关键领域都出现了重大突破。深度学习是这些领域中所最常使用的技术，也被业界大为关注。然而，深度学习模型需要极为大量的数据和计算能力，只有更好的硬件加速条件，才能满足现有数据和模型规模继续扩大的需求。     现有的解决方案使用图形处理单元（GPU）集群作为通用计算图形处理单元（GPGPU），但现场可编程门阵列（FP

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：149kb
    • 提供者：weixin_38629303

  1. 深度学习实践方法和应用

  2. MIT版深度学习第11章 深度学习实践方法， 第12章应用，介绍大规模网络，cpu 加速，GPU加速

  3. 所属分类：深度学习

    • 发布日期：2020-11-04
    • 文件大小：30mb
    • 提供者：baidu_35560935

  1. 深度学习之PyTorch安装

  2. 深度学习之PyTorch安装Step1：打开pytorch官网简单介绍一下如何查看自己的电脑是否支持CUDA1、首先打开NVIDIA控制面板2、点击帮助->系统信息->组件step2 安装pytorch(使用PIP安装是可以加速的哦)step3 检查PyTorch是否安装成功 Step1：打开pytorch官网 进入pytorch官网，向下拉，可以看到如下界面 此时完全是默认的选项，第一个选择版本，建议选择稳定版。 第二个是自己的操作系统，我的是windows系统。 第三个是安装的

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：511kb
    • 提供者：weixin_38638033

  1. windows10环境下安装深度学习环境anaconda+pytorch+CUDA+cuDDN

  2. windows10环境下安装深度学习环境anaconda+pytorch+CUDA+cuDDN 步骤零：安装anaconda、opencv、pytorch（这些不详细说明）。复制运行代码，如果没有报错，说明已经可以了。不过大概率不行，我的会报错提示AssertionError: Torch not compiled with CUDA enabled。说明需要安装CUDA，或者安装的pytorch版本是不带CUDA的版本，需要按照以下步骤操作。 步骤一：安装CUDA 步骤二：安装cuDDN 步骤

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：292kb
    • 提供者：weixin_38601103

  1. xshinnosuke:由Numpy纯粹实现的深度学习框架，通过GPU加速支持动态图和静态图-源码

  2. XShinnosuke：深度学习框架 内容描述 XShinnosuke（短XS）是一个高层次的神经网络框架，两个动态图形和静态图形支撑，并具有几乎相同的API来Keras和Pytorch略有差异。它仅由Python编写，致力于快速实现实验。 这是XS的一些功能： 基于Cupy （GPU版本）/ Numpy ，原生于Python。 没有任何其他第三方深度学习库。 Keras和Pytorch风格的API ，易于启动。 支持常用层，例如： Dense，Conv2D，MaxPooling2D，LSTM

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：22mb
    • 提供者：weixin_42107165

  1. AutoRCWA_Net:结合RCWA的不断发展的深度学习网络-源码

  2. AutoRCWA_Net 结合RCWA的不断发展的深度学习网络。 此模型禁止包作为子模块。 对于不同的几何形状和材料结构，可能在此应用了更改。 此存储库仍在构建中，可能会应用更改。 依存关系 麻木 matplotlib 科学的 火炬 ，用于RCWA的GPU加速

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：834kb
    • 提供者：weixin_42107491

  1. fasterseq:基于fairseq的更快，更高效的序列建模深度学习算法的实现，例如Lite-Transormer，Reformer，Linformer，注意力机制的有效变体等-源码

  2. 关于FasterSeq 随着物联网和其他移动设备的快速发展，更快，更高效的深度学习技术的部署需要更多的努力。 我创建了这个资料库，以探索和开发最新的加速计算和有效的深度学习技术，以进行更快的序列建模。 我们选择的基础库是 ，它是由Facebook人工智能研究实验室开发和维护的用于序列建模的开源库。 要求和安装 版本> = 1.4.0 Python版本> = 3.6 要训​​练新型号，您还需要NVIDIA GPU和 要安装fairseq并在本地进行开发： git clone h

  3. 所属分类：其它

  1. 深度学习的加速核磁共振波谱

  2. 深度学习的加速核磁共振波谱

  3. 所属分类：其它

  1. dla:音频处理的深度学习-源码

  2. 音频深度学习（DLA） 每周的讲座和研讨会资料位于./week*文件夹中，有关资料和说明，请参阅README.md。 任何技术问题，想法，课程资料中的错误，贡献想法-添加问题 该课程的当前版本于2020年秋季在的进行 教学大纲 数字信号处理简介 讲座：信号，傅立叶变换，频谱图，MFCC等 研讨会：PyTorch简介，DevOps，深度学习研发 自动语音识别I 讲座：指标，注意力，LAS，CTC，BeamSearch 研讨会：Docker，W＆B，音频增强 自动语音识别II 演讲：LM融

  3. 所属分类：其它

  1. keras-multiprocess-image-data-generator：在Keras中通过多进程图像增强来加速深度学习-源码

  2. keras-multiprocess-image-data-generator：在Keras中通过多进程图像增强来加速深度学习

  3. 所属分类：其它

  1. 催化剂：加速深度学习研发-源码

  2. 加速深度学习研发 深度学习研究和开发的PyTorch框架。 它着重于可重现性，快速实验和代码库重用，因此您可以创建新的东西，而不必编写另一个常规的训练循环。 打破循环-使用Catalyst！ 项目。 。 ： -实验记录和可视化 -加速深度学习研发 -方便的深度学习模型服务 。 入门 pip install -U catalyst import os import torch from torch . nn import functional as F from torch . utils

  3. 所属分类：其它

  1. Adlik：Adlik：加速深度学习推理的工具包-源码

  2. 阿德利克 Adlik [ædlik]是深度学习模型的端到端优化框架。 Adlik的目标是在云和嵌入式环境上加速深度学习推理过程。 借助Adlik框架，可以以非常灵活和轻松的方式将不同的深度学习模型部署到具有高性能的不同平台。 在云环境中，应将已编译的模型和Adlik Inference Engine构建为docker映像，并部署为容器。 在边缘环境中，应将Adlik Inference Engine部署为容器。 应将编译后的模型转移到边缘环境，并且Adlik Inference Engi

  3. 所属分类：其它

« 12 3 4 5 6 7 8 9 10 »