В этом посте нам нужно показать, как написать приложение caffe2 на C ++. В высокопроизводительных приложениях, таких как торговля, научные вычисления, производительность является критическим вопросом. Вот почему нам нужно вычислить весь граф, используя c ++. В последние годы все больше и больше алгоритмов ИИ внедряется во встроенные системные устройства, такие как мобильный телефон. В этих устройствах вычислительные ресурсы ограничены, поэтому управление ресурсами должно осуществляться..

Изначально я планировал написать вторую статью из своей серии о Kubeflow. Тем не менее, я увяз в большом количестве работы, и тем временем Oracle разработала новую структуру развертывания модели под названием GraphPipe. Я все еще планирую взглянуть на Kubeflow в какой-то момент, так как он имеет много хороших функций (например, AB-тестирование / обновления многорукого бандита для перенаправления трафика), но я обнаружил, что GraphPipe проще в использовании и, по крайней мере, согласно..

В современных приложениях компьютерного зрения компании редко обучают нейронную сеть с нуля из-за отсутствия данных большого размера и вычислительных ресурсов. В этой статье мы сосредоточимся на том, как сделать трансферное обучение на Caffe2. Перед работой он должен загрузить два файла protobuf: pred_net.pb и init_net.pb. Сначала мы загружаем два предварительно обученных файла pb (модельный зоопарк). wЭти модели обучаются в огромных компаниях, таких как Google, Facebook и Microsoft...

Сегодня я нашел свой временно забытый Rpi3 (названный Wombat, как австралийское сумчатое животное), и я подумал о том, как давно хотел попробовать запустить на нем какой-нибудь Caffe2. На самом деле я купил Rpi3 почти год назад для тех идей, которые мог придумать, в основном, в отношении глубокого обучения (я уже давно не работал с оборудованием, поэтому на данный момент я не подключаю к нему никаких проводов). Меня особенно интересует глубокое обучение встроенной системы, такой как Rpi...