完善资料让更多小伙伴认识你,还能领取20积分哦, 立即完善>
以前的神经网络几乎都是部署在云端(服务器上),设备端采集到数据通过网络发送给服务器做inference(推理),结果再通过网络返回给设备端。如今越来越多的神经网络部署在嵌入式设备端上,即inference在设备端上做。嵌入式设备的特点是算力不强、memory小。可以通过对神经网络做量化来降load和省memory,但有时可能memory还吃紧,就需要对神经网络在memory使用上做进一步优化。本文就以一维卷积神经网络为例谈谈怎么来进一步优化卷积神经网络使用的memory。文章(卷积神经网络中一维卷.
|
|
只有小组成员才能发言,加入小组>>
1184 浏览 0 评论
1359 浏览 1 评论
2798 浏览 5 评论
3088 浏览 9 评论
移植了freeRTOS到STMf103之后显示没有定义的原因?
3022 浏览 6 评论
561浏览 2评论
422浏览 1评论
234浏览 1评论
353浏览 1评论
M261的定时器,偏差很大,600秒差不多10秒的误差如何解决?
462浏览 1评论
小黑屋| 手机版| Archiver| 电子发烧友 ( 湘ICP备2023018690号 )
GMT+8, 2025-6-20 06:52 , Processed in 1.897680 second(s), Total 74, Slave 52 queries .
Powered by 电子发烧友网
© 2015 bbs.elecfans.com
关注我们的微信
下载发烧友APP
电子发烧友观察
版权所有 © 湖南华秋数字科技有限公司
电子发烧友 (电路图) 湘公网安备 43011202000918 号 电信与信息服务业务经营许可证:合字B2-20210191