量化和修剪
压缩深神经网络进行量化或修剪
使用深度学习工具箱™一起深度学习工具箱量化模型库金宝app支持包减少内存占用和计算需求的深层神经网络:
量化权重、偏见和激活层减少精度整数数据类型。然后,您可以生成C / c++, CUDA®从这个量化网络或HDL代码。
修剪过滤器从卷积层利用一阶泰勒近似。然后您可以生成C / c++或者CUDA代码从这个修剪网络。
功能
应用程序
深层网络量化器 | 数字转换深神经网络对8位整数数据类型 |
主题
深度学习量化
- 量子化的神经网络
理解影响的量化和卷积如何可视化动态范围的网络层。 - 量化工作流先决条件
下载188bet金宝搏深入学习网络的量子化所需产品。 - 模拟目标量化网络不可知
使用MATLAB可以量化神经网络没有生成代码和部署到一个特定的目标。
量化为GPU的目标
- 模拟量化网络行为GPU的目标
检查的行为量化网络部署GPU目标没有生成代码。 - 代码生成量化深度学习网络(GPU编码器)
数字转换和生成代码pretrained卷积神经网络。 - 数字转换残余网络训练图像分类和生成CUDA代码
这个例子展示了如何在卷积数字转换可学的参数层的深度学习神经网络剩余连接和与CIFAR-10数据已经训练图像分类。 - 数字转换对象探测器和生成CUDA代码
这个例子展示了如何生成CUDA®代码SSD车辆检测器和YOLO v2意思车辆探测器执行推理计算在8位整数。
量化为FPGA的目标
- 数字转换为FPGA部署网络(深度学习HDL工具箱)
这个例子展示了如何量化可学的卷积神经网络层参数,并验证了量化网络。 - 分类图片在一个FPGA使用量化DAG网络(深度学习HDL工具箱)
在本例中,您使用深度学习HDL工具箱™来部署一个量子化的卷积神经网络和图像进行分类。 - 分类图片FPGA通过量化GoogLeNet网络(深度学习HDL工具箱)
这个例子展示了如何使用深度学习HDL工具箱™来部署一个量子化GoogleNet网络对图像进行分类。
量化为CPU的目标
- 代码生成量化深度学习网络(MATLAB编码器)
数字转换和生成代码pretrained卷积神经网络。 - 代码生成树莓π量子化的深入学习网络(MATLAB编码器)
为深入学习网络生成代码执行推理计算在8位整数。
修剪
- 图像分类网络的参数修剪和量化
使用参数修剪和量化,以减少网络的大小。 - 删除图像分类网络使用泰勒的分数
这个例子展示了如何减少大小的深层神经网络使用泰勒修剪。 - 删除过滤器在检测网络使用泰勒的分数
这个例子展示了如何减少网络规模和增加推理速度修剪卷积过滤器在您只看一次(YOLO)意思v3对象检测网络。