Técnica Jedi para reducir redes convolucionales — pruning
De nuevo tienes la tarea de detección de objetos. La prioridad es la velocidad de funcionamiento con una precisión aceptable. Tomas la arquitectura YOLOv3 y la reentrenas. La precisión (mAp75) es mayor de 0.95. Pero la velocidad de ejecución sigue siendo baja. Mal. Hoy evitaremos la cuantización. A continuación, consideraremos el Model Pruning — recortando partes redundantes de la red para acelerar la inferencia sin pérdida de precisión. Visualmente — de dónde, cuánto y cómo […]
