导读
过去几年,机器学习(ML)的大部分进展都是利用深度神经网络实现的。为了达到最先进的精度,研究人员设计了大型网络,这些网络需要大量的内存和计算能力来实现其所述性能。例如,ResNet50有大约2500万个参数,并需要大约100MB的内存才能存储在设备上。其他网络,如VGG16需要500MB。
作者:Joshua Sowerby
阅读直达链接:https://community.arm.com/dev...
欢迎大家点赞留言,更多Arm技术文章动态请关注极术社区Arm技术专栏。
过去几年,机器学习(ML)的大部分进展都是利用深度神经网络实现的。为了达到最先进的精度,研究人员设计了大型网络,这些网络需要大量的内存和计算能力来实现其所述性能。例如,ResNet50有大约2500万个参数,并需要大约100MB的内存才能存储在设备上。其他网络,如VGG16需要500MB。
作者:Joshua Sowerby
阅读直达链接:https://community.arm.com/dev...
欢迎大家点赞留言,更多Arm技术文章动态请关注极术社区Arm技术专栏。