Technika Jedi redukcji sieci konwolucyjnych — pruning
Przed tobą ponownie stoi zadanie detekcji obiektów. Priorytetem jest szybkość działania przy akceptowalnej dokładności. Wykorzystujesz architekturę YOLOv3 i przeprowadzasz dalsze uczenie. Dokładność (mAp75) powyżej 0.95. Jednak prędkość przetwarzania wciąż jest niska. Cholera. Dzisiaj pomijamy kwantyzację. A pod spodem przyjrzymy się Model Pruning — usuwaniu zbędnych części sieci w celu przyspieszenia inferencji bez utraty dokładności. Zobaczmy na wyraźnie — skąd, ile i jak […]
