efficient 第30页

Meta开放小模型LLaMA，性能超过GPT-3

论文地址：https://research.facebook.com/file/1574548786327032/LLaMA--Open-and-Efficient-Foundation-Language-Models.pdf

wshzd·2023-03-08 22:07

MobileNet v1 学习笔记

MobileNetv1学习笔记原文地址MobileNets:EfficientConvolutionalNeuralNetworksforMobileVisionApplications摘要作者提出了一类高效的的模型

FlyDremever·2023-02-27 18:21

论文阅读笔记: MobileNet

“Mobilenets:Efficientconvolutionalneuralnetworksformobilevisionapplications.”arXivpreprintarXiv:1704.04861

loki2018·2023-02-27 18:44

EfficientFormer 提升速度的同时保持性能，使 ViT 在移动端成为可能

为了让transformers同时拥有高性能和速度，EfficientFormer重新审视了ViT模型中使用的网络架构和运算符，引入一个维度一致的纯Transformer作为设计范例。大量实验表

·2023-02-23 19:59

改进YOLO系列 | 谷歌团队 | CondConv:用于高效推理的条件参数化卷积

https://arxiv.org/pdf/1904.04971.pdf代码地址：https://github.com/tensorflow/tpu/tree/master/models/official/efficientnet

迪菲赫尔曼·2023-02-23 07:49

ScrFD人脸检测总结,2021轻量级的人脸检测

论文：SampleandComputationRedistributionforEfficientFaceDetectionhttps://link.zhihu.com/?

_牛先生_·2023-02-22 09:17

【论文阅读】SCRFD: Sample and Computation 重分配的高效人脸检测

原始题目SampleandComputationRedistributionforEfficientFaceDetection中文名称采样和计算重分配的高效人脸检测发表时间2021年5月10日平台ICLR

理心炼丹·2023-02-22 09:07

【水文模型】评价指标

WW、forever·2023-02-22 07:46

论文笔记 | DCS-RISR: Dynamic Channel Splitting for Efficient Real-world Image Super-Resolution

论文笔记|DCS-RISR:DynamicChannelSplittingforEfficientReal-worldImageSuper-Resolution太久没更新了，因为最近读的文章都比较经典，

七水合硫酸亚铁有点脆·2023-02-22 07:09

问题集

延伸的问题是SSR,SST,SSE的自由度回归系数t检验Regressioncoefficientt-test回帰係数t検定什么是调整R^2？whatisAdjustedR-Square？

热爱生活H_Li·2023-02-18 20:07

Efficient Transformers: A Survey

论文[2009.06732]EfficientTransformers:ASurvey1.BackgroundonTransformersDenseAttention：encoder和decoder最大的区别在于掩码不同

cornbig·2023-02-18 20:25

Promise: 异步编程的理解和使用

Promise1.1Promise的背景介绍Promise最早出现在1988年，由BarbaraLiskov、LiubaShrira首创（论文：Promises:LinguisticSupportforEfficientAsynchronousProcedureCallsinDistributedSystems

·2023-02-18 19:23

Kang2008 EMMA

KangHM,ZaitlenNA,WadeCM,etal.EfficientControlofPopulationStructureinModelOrganismAssociationMapping.Genetics

董八七·2023-02-17 14:32

EfficientFormerV2来了！一种新的轻量级视觉Transformer

(SnapInc.)Paper:https://arxiv.org/pdf/2212.08059v1.pdfGithub:https://github.com/snap-research/EfficientFormerIntro

Amusi（CVer）·2023-02-17 12:33

kylin王国·2023-02-17 07:04

【读点论文】ECA-Net: Efficient Channel Attention for Deep Convolutional Neural Networks改进senet

ECA-Net:EfficientChannelAttentionforDeepConvolutionalNeuralNetworks注意力机制早在上世纪九十年代就有研究，到2014年Volodymyr

羞儿·2023-02-17 07:04

240. Search a 2D Matrix II

Writeanefficientalgorithmthatsearchesforavalueinanmxnmatrix.Thismatrixhasthefollowingproperties:Integersineachrowaresortedinascendingfromlefttoright.Integersineachcolumnaresortedinascendingfromtoptobo

Jeanz·2023-02-17 07:55

NeuSample: Neural Sample Field for Efficient View Synthesis

Abstract1.为了减轻NeRF的计算开销，本文指出NeRF在coarsetofine的分层抽样过程中用一个轻量化模型来代替粗的采样阶段；2.所提出的采样场将光线映射到样本分布中，样本分布可以转换为点坐标并馈送到用于体绘制的辐射场中。Method1.NeRF：(1)通过得到每一个点处的颜色和密度。使用求积规则计算沿相机光线r(t)=o+td的像素的期望颜色:使用颜色值的L2范数损失来约束：(2

Personality、·2023-02-17 00:40

论文笔记：NeuLF: Efficient Novel View Synthesis with Neural 4D Light Fight

中文标题：基于神经4D光场的高效新视角合成创新点在我们的方法中，一个3D场景被表示为一个光场，即一组射线，每条射线在到达图像平面时都有相应的颜色。为了实现高效的新视图渲染，我们采用了光场的双平面参数化，其中每条射线都有一个四维参数.与NeRF相比：通过将新的视点限制在物体的凸包之外，可以将5D辐射场简化为较低维的光场，例如4D。提出的算法4D光场表示空间中所有可能的光线都可以用五维多光函数来描述。

BlueagleAI·2023-02-16 23:35

性能大幅优于DeiT、ViT和EfficientNet

深度学习技术前沿·2023-02-16 22:17

【论文笔记2】Long-Short Transformer: Efficient Transformers for Language and Vision

论文原文：https://arxiv.org/abs/2107.02192论文笔记：百度网盘提取码：nzsi1.SummaryContributions：（1）提出了一种长短时Transformer模型：Long-ShortTransformer(Transformer-LS)：Short：利用滑动窗口获取短序列（局部）attentionLong：基于动态投影获取长序列（全局）attention（

开着奔驰种地·2023-02-16 22:17

learning Efficient Convolutional Networks through Network Slimming

learningEfficientConvolutionalNetworksthroughNetworkSlimming文章目录learningEfficientConvolutionalNetworksthroughNetworkSlimming

椰子奶糖·2023-02-07 09:57

Deep Reinforcement Learning 文献综述

目录值函数策略离散控制连续控制多智能体文本处理计算机视觉机器人游戏蒙特卡洛逆强化学习多任务和迁移学习搜索优化层次化学习相关的文章值函数Model-FreeEpisodicControl,C.Blundelletal.,arXiv,2016.SafeandEfficientOff-P

vivimiu·2023-02-07 09:57

1/200 Learning Efficient Convolutional Networks through Network Slimming

Keywords：networkslimming,Sparsifying,ChannelPruning,Fine-tuning针对问题及解决方案：针对深度神经网络在实际应用中的部署很大程度上受到高计算成本的阻碍的问题，本文提出网络瘦身的方法来解决该问题。具体来讲，这是一种基于通道稀疏性，将训练过程的开销降到最低，并且生成的模型也不需要特殊的软件或硬件加速器的一种方法。它以宽大的网络作为输入模型，在

一定向着光的方向·2023-02-07 09:19

结构型模式：享元模式

简介姓名：享元模式英文名：FlyweightPattern价值观：共享富贵个人介绍：Usesharingtosupportlargenumbersoffine-grainedobjectsefficiently

LieBrother·2023-02-07 08:50

Runtime Network Routing for Efficient Image Classification

这篇是清华鲁继文组PAMI2018年的文章，是NIPS2017年《Runtimeneuralpruning》的拓展版本两个版本有稍微的出入，主要是加了“Multi-PathNetwork”的部分。不过这一部分看起来更像是ensemble多个模型，故此这部分不会细讲，主要讨论“RuntimeNeuralPruning”的实现细节。这篇文章讲了什么dynamicchannlepruningMotiva

guanghuixu·2023-02-06 19:15

YOLOv4理论深度剖析

十几个月前，谷歌Brain团队发布了用于对象检测的EfficientDet，挑战了YOLOv3作为(近)实时对象检测的主要模型的地位，并推动了对象检测模型的可能上界。

求则得之，舍则失之·2023-02-06 19:00

13、Efficient Geometry-aware 3D Generative Adversarial Networks

简介仅使用单视图2D照片集合无监督生成高质量的多视图一致图像和3D形状一直是一项长期存在的挑战。现有的3DGAN要么是计算密集型的，要么是进行不3D一致的近似;前者限制了生成图像的质量和分辨率，后者会对多视图一致性和形状质量产生不利影响。在这项工作中，提高了3DGAN的计算效率和图像质量，而不会过度依赖这些近似值。为此，引入了一种富有表现力的混合显式-隐式网络架构，该架构与其他设计选择一起，不仅可

C--G·2023-02-06 18:13

皮尔森相关系数(Pearson correlation coefficient)

梁小憨憨·2023-02-06 17:06

C#，图像二值化（05）——全局阈值的联高自适应算法（Legal Self-Adaptive Thresholding）及其源代码

Binarizationistheprocessoftransformingdatafeaturesofanyentityintovectorsofbinarynumberstomakeclassifieralgorithmsmoreefficient.Inasimpleexample

深度混淆·2023-02-06 11:58

【论文翻译】【剪枝】Pruning filters for efficient convnets修剪滤波以实现高效卷积网络

摘要神经网络在各种应用中的成功伴随着计算和参数存储成本的显著增加。最近为减少这些开销所做的努力包括在不损害原始精度的情况下修剪和压缩各个层的权重。然而，基于大小的权重修剪减少了来自全连接层的大量参数，并且由于修剪后的网络中的不规则稀疏性，可能不能充分降低卷积层中的计算成本。我们提出了一种用于神经网络的加速方法，其中我们从被识别为对输出精度影响较小的神经网络中删除滤波器。通过去除网络中的整个滤波器及

weixin_50862344·2023-02-05 23:06

Learning Efficient Convolutional Networks Through Network Slimming论文阅读笔记

作者：弓长木公论文链接：https://arxiv.org/abs/1708.06519代码：https://github.com/liuzhuang13/slimming概述：此方法基于channel-wise，提出将L1正则化施加到BN层的缩放因子上，L1正则化推动BN层的趋向于零，这使得能够鉴别出不重要的通道或者神经元，因为每一个都和一个特定的CNN卷积通道（或者全连接层的一个神经元）相关联

AI松子666·2023-02-05 23:35

【Pruning系列：二】Learning Efficient Convolutional Networks through Network Slimming｜YOLOv3实践｜Pytorch 总结

几个基于YOLO的剪枝pytorch项目YOLOv3-model-pruningIntroduction剪枝算法步骤YOLOv3-complete-pruningIntroduction剪枝方式特点yolov3-channel-and-layer-pruningIntroduction基本工作流程ResidualcodeSlimYOLOv3:Narrower,FasterandBetterforR

鹿鹿最可爱·2023-02-05 23:05

模型剪枝：Learning Efficient Convolutional Networks through Network Slimming

论文：https://arxiv.org/abs/1708.06519代码：https://github.com/liuzhuang13/slimming简介由于深度学习模型大小以及计算资源的限制，导致模型部署时受到了很大阻碍，为了解决这个问题，就形成了一个新的领域：模型压缩。常见的方法有：量化、剪枝、蒸馏等。本文便是“剪枝”当中一篇非常经典且有效果的一篇文章。相关工作图片来自：https://w

微风❤水墨·2023-02-05 23:04

Learning Efficient Convolutional Networks Through Network Slimming

NetworkSlimming——通道剪枝-知乎论文链接：LearningEfficientConvolutionalNetworksthroughNetworkSlimming官方代码（Torch实现

a flying bird·2023-02-05 23:04

Learning Efficient Convolutional Networks through Network Slimming 论文学习

Abstract由于计算资源消耗过高，在许多现实的应用上部署深度卷积网络就受到了限制。在这篇论文中，作者提出了一个新的CNN学习机制：1）降低模型的大小；2）降低运行时内存占用；3）减少计算操作的数量，而不会损失精度。作者通过一个简单但有效的方法，将网络的各个通道变得稀疏。和许多现有方法不同，此方法可以直接用在当前的CNN结构上，将训练过程中的额外开支降到最低，最终的模型也不需要任何特殊的软件或硬

calvinpaean·2023-02-05 23:34

【论文阅读】【剪枝】Learning Efficient Convolutional Networks through Network Slimming

摘要深度卷积神经网络（CNN）在许多实际应用中的部署在很大程度上受到其高计算成本的阻碍。在本文中，我们提出了一种新的神经网络学习方案，以同时1）减小模型大小；2）减少运行时内存占用；以及3）在不损害精度的情况下减少计算操作的数量。这是通过以简单但有效的方式在网络中实施通道级稀疏性来实现的。与许多现有方法不同，所提出的方法直接适用于现代CNN架构，为训练过程引入了最小开销，并且不需要用于生成模型的专

weixin_50862344·2023-02-05 23:33

使用EfficientNetB0网络分类乳腺癌图片

一、数据集选取本文进行使用EfficientNetB0网络对乳腺癌图片进行分类，分为无肿瘤，良性肿瘤，恶性肿瘤。

虫二灬·2023-02-05 23:02

efficientnet转onnx遇到的问题

efficientnet转换出现问题问题：RuntimeError:ExportingtheoperatorsilutoONNXopsetversion11isnotsupported解决方案：1.更新

蓝色橘猫·2023-02-05 08:50

【毕业设计】基于卷积神经网络的垃圾分类系统

系统演示视频：【毕业设计】基于卷积神经网络的垃圾分类系统演示视频本作品内容包括：1.数据集2.网站和模型训练等全部的源代码3.多种卷积神经网络算法迁移学习实现的源代码：Efficientnet、DenseNet

毕设论文辅导·2023-02-04 20:49

皮尔逊Pearson相关系数python代码实现

夏子期lal·2023-02-04 17:12

Efficient Long-Range Attention Network for Image Super-resolution

EfficientLong-RangeAttentionNetworkforImageSuper-resolutionDate:2022/04/09FileType:paperAbstracttransformer

GGSDDUuu·2023-02-04 12:05

Domain Adaptation Meets Zero-Shot Learning:An Annotation-Efficient Approachto Multi-Modality Medic

TMI2022DomainAdaptationMeetsZero-ShotLearning:AnAnnotation-EfficientApproachtoMulti-ModalityMedicalImageSegmentationTMI2022DomainAdaptationMeetsZero-ShotLearning

LANG_C_·2023-02-04 09:02

win10下 yolov8 tensorrt模型加速部署【实战】

加速，支持win10、linux，在2023年已经更新模型：YOLOv8,YOLOv7,YOLOv6,YOLOv5,YOLOv4,YOLOv3,YOLOX,YOLOR,pphumanseg,u2net,EfficientDet

FeiYull_·2023-02-04 09:16

R16 Type II量化反馈码本的产生

R15TypeIICodebook：简短回顾1.1W1\boldsymbol{W}_1W1：BeamSelection1.2W2\boldsymbol{W}_2W2：LinearCombinationCoefficientsQuantization2R16eTypeIICodebook2.1

Turbo-shengsong·2023-02-03 18:37

channels级别的剪枝论文方法分析-希望能够持续更新

1、韩松的deep_compression：稀疏化、kmeans聚类、哈夫曼压缩编码三个角度压缩模型2、PruningFiltersforefficientconverts使用l1-norm来作为通道权重的重要性进行剪枝

lovep1·2023-02-03 17:56

PixelShuffle上采样原理讲解及程序实现

Sub-PixelConvolutionalNeuralNetwork，像素重组）是一种经典的上采样方法，由《Real-TimeSingleImageandVideoSuper-ResolutionUsinganEfficientSub-PixelConvolutionalNeuralNetwork

Dark universe·2023-02-03 15:20

[Pytorch] Pixel Shuffle

PixelShuffle在Pytorch中的实现Pixelshuffle的原理这里不着重探讨，详细原理请参考论文：Real-TimeSingleImageandVideoSuper-ResolutionUsinganEfficientSub-PixelConvolutionalNeuralNetwork

NK_ZZL·2023-02-03 15:50

OpenMMLab AI 实战营 Day 2

EfficientN

钢之乐学·2023-02-03 11:49

推荐频道

efficient