Gemmlowp
Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference Quantization scheme Equation(1): \[ r=S(q-Z)\\ where\,\bold{S}\,is\,scale,\,\bold{Z}\,is\,zero-point\\
归档: 2019/3
量化算法的一个总结
https://nervanasystems.github.io/distiller/algo_quantization/index.html 量化算法 基于范围线性量化 分解以上专业术语： 线性：Means a float value is quantized by multiplying with a numeric constant (the scale factor).
TensorRT-量化指北
TensorRT量化指北 对称的线性量化： \[ TensorValues = FP32\,scale\,factor\,*int8\,array \] One FP32 scale factor for the entire int8 tensor Q: 怎么设置scale factor？ 非饱和方式：映射|max|到127 下图所示 一般上面的方式映射就会出现精
squeezeNet
Milittle Github Repo 系列Repo SqueezeNet Paper Site: ICIR 2017 Source Code Github: Github DownLoad From This Repo: Paper PDF SqueezeNet CNN Architectural Design Strategies: Strategy 1: Replace 3 X
如何高效使用TensorFlow2.0
如何高效使用TensorFlow2.0 Install: pip install tensorflow==2.0.0-alpha0 or Build From source https://www.weaf.top/posts/c05ce623/ ——————————————————-分割线—————————————————————————————– 首先在2.0中，为了使得用户效率提高有
从源码构建TensorFlow2.0
从源码安装TensorFlow（未发布版本2.0） 下面第8点有一个单独的补充，是我一开始发布文章时候没有加进去的，我们在tag2.0上编译的版本应该是还是v1的默认执行流程，所以需要打开v2的behavior，这样我们就可以享受tf2.0的eager excution了。 1. 今天想尝一尝tf2.0的鲜，就尝试去从源码构建TensorFlow2.0版本的GPU wheel包。 2.首先你
微信公众号后台在SpringBoot2.0中的实现（下）
之前我们讲述了简单的搭建，其实微信公众号中的很多用途我们都有可能用到，今天会继续《中篇》，讲述我们最后的几个内容，其他的我也不会在写了，毕竟现在还是有很多资源供我们使用，下边我给大家推荐以下资源(已经封装好的可以直接在spring boot中使用)：https://github.com/Wechat-Group/WxJava 一、微信授权(网页) 之前我们都是做一下前期的工作，但是我们如果不进