1.
Introduction
search
Quick search
code
Show Source
PDF
Github
Dive into cheap deep learning
Table Of Contents
Getting Started
1. Introduction
1.1. time
1.2. 技术
1.3. 隐私
1.4. money
1.5. Data
2. Lightweight
2.1. Lightweight
2.2. SqueezeNet
2.3. MobileNet
2.4. MobileNet-v2
2.5. ShuffleNet
2.6. GhostNet
3. Compression
3.1. 模型压缩
3.2. 参数剪枝(Pruning)
3.3. Knowledge-Distillation
3.4. 量化
4. Write code
4.1. Jupyter
4.2. API
5. Train
5.1. Server
5.2. Active Learning
5.3. Pretrain
5.4. 改进
5.5. 结构
6. Deployment
6.1. 芯片
6.2. Edge
6.3. mobile
6.4. MCU
6.5. AI 中台
Dive into cheap deep learning
Table Of Contents
Getting Started
1. Introduction
1.1. time
1.2. 技术
1.3. 隐私
1.4. money
1.5. Data
2. Lightweight
2.1. Lightweight
2.2. SqueezeNet
2.3. MobileNet
2.4. MobileNet-v2
2.5. ShuffleNet
2.6. GhostNet
3. Compression
3.1. 模型压缩
3.2. 参数剪枝(Pruning)
3.3. Knowledge-Distillation
3.4. 量化
4. Write code
4.1. Jupyter
4.2. API
5. Train
5.1. Server
5.2. Active Learning
5.3. Pretrain
5.4. 改进
5.5. 结构
6. Deployment
6.1. 芯片
6.2. Edge
6.3. mobile
6.4. MCU
6.5. AI 中台
1.
Introduction
¶
1.1. time
1.1.1. 生命周期长2
1.1.2. 研究成果商业化周期的滞后。
1.1.3. 敏捷响应低
1.1.4. 实时响应
1.1.5. 训练规模
1.1.6. 重复工作
1.1.7. 实现
1.1.8. 持续监控和改进
1.2. 技术
1.2.1. 技术能力不足
1.2.2. 重复建设
1.2.3. 可靠性
1.2.4. 模型未投入生产
1.2.5. 版本控制和再现仍面临挑战
1.3. 隐私
1.3.1. 侵犯隐私
1.4. money
1.4.1. 大真话
1.4.2. 训练成本
1.4.3. 用预训练的小模型
1.4.4. 没有算力,怎么做研究
1.4.5. 全国性的人工智能研究云
1.4.6. 投入产出比低
1.4.7. 业务导向
1.4.8. 摇滚明星
1.5. Data
1.5.1. 数据标注1
1.5.2. 版本控制3
1.5.3. 有意义5
1.5.4. 特色5
1.5.5. 数据孤岛
1.5.6. 开源数据集
1.5.7. d8 包
1.5.8. 数据治理
1.5.9. 人工干预
1.5.10. 语料库
Previous
Getting Started
Next
1.1. time