深度学习模型中的优化策略需要针对不同的用例采用不同的技术。此外,模型部署生命周期的不同阶段规定了可能的和特定的优化策略。在本文中,针对图像分类案例,提出了一种边缘计算环境下的优化深度学习模型。对于数据集的准备,利用图像预处理和数据增强方法为训练过程准备数据。为了加速深度学习训练过程,本系统实现了CPU优化和超参数调整。应用Tensorflow作为训练模型的框架。在深度学习训练对比中,应用InceptionV3、VGG16和MobileNet作为拓扑实现。在本例中,InceptionV3被用于对边缘的深度学习应用进行建模。为了优化训练后的模型,在边缘设备上使用了模型优化器。在实验中可以看到,MobileNet是最不准确的模型(85%),加载模型的时间最长(71s)。VGG16是最可靠的(91%),加载模型的时间最短(50s)。InceptionV3的准确率中位数(87%),加载模型的平均时间(52s)。
共2条 1/1
1
跳转至
页
iSEC:一个优化的深度学习模型,用于边缘计算的图像分类
共2条 1/1
1
跳转至
页
回复
有奖活动 | |
---|---|
【有奖活动】智能可穿戴设备AR/VR如何引领科技新潮流! | |
奖!发布技术笔记,技术评测贴换取您心仪的礼品 | |
【有奖活动】震撼来袭!这场直播将直击工程师的心灵! | |
“我想要一部加热台”活动,不花钱赢取开发好工具!活动开始了哦 | |
【有奖活动】伙伴们:您的“需求”解决了吗? |
打赏帖 | |
---|---|
【换取手持数字示波器】N32G430点亮数码管与串口打印、ADC被打赏40分 | |
老胖子聊电路--分析一个反馈电路被打赏50分 | |
【换取手持数字示波器】+点亮WS2812RGB灯被打赏50分 | |
【换取手持数字示波器】+线性调整器理论知识分享被打赏40分 | |
放大↔震荡被打赏50分 | |
【换取手持数字示波器】RTduino驱动ssd1306+sht31温湿度计被打赏40分 | |
【换取手持数字示波器】称植国产开源TobudOS到雅特力AT32F425被打赏40分 | |
【分享评测,赢取加热台】+Telink-泰凌微电子B91点灯篇被打赏20分 | |
【换取手持数字示波器】+精英板驱动LCD屏被打赏50分 | |
【换取手持数字示波器】+DFR0216全彩灯带WS2812示例分享被打赏50分 |