【大联大世平Intel®神经计算棒NCS2试用体验】使用Intel模型优化器（Model Optimizer）的机器学习理解和测评思路

2020-7-22 22:56:39 1954

0 这个测评是建立对Intel文档的理解上的，电子发烧友是一个电子工程师更多的william hill官网，理解机器学习这种东西需要一定的理论基础，这里尽可能浅显地对文档进行介绍，目前我的开发环境配合Intel提供的模型优化器（ModelOptimizer）评测需要还需要进一步搭建，原因是因为进行下载安装失败，反复折腾，后续搭建成功后会提供完整的Model Optimizer开发环境搭建流程，这个环境搭建虽然复杂，但是却提供一套相对先进成熟的算法供开发者使用。对于神经网络这种机器学习应用而言，应用程序（User Application）主要通过输入数据通过推理机（Inference Engine）得出结论，举例而言，人脸识别系统的输入数据就是各种人脸图片，通过推理机检测到各种人脸特征数据输入推理机，进一步判断是男是女，人种，表情等识别信息。这里描述的就是下图中右侧部分的内容。图1 Model Optimizer开发流程在了解推理机工作内容的基础上，就需要知道其使用的神经网络计算是怎么得到的。在应用层次，其实就是一堆加权系数的加减乘除运算将输入数据计算出一个推论结果。然而这里存在一个加权系数怎么得到的问题，这就引出了神经网络训练。神经网络训练是将已经进行过数据标记的数据（同时含有输入和输出数据）来修正现有的神经网络参数，使其得到的结果更加正确。一个神经网络的初始参数一般都是按照经验设定的，需要大量数据进行修正。在这里Intel提供了Model Optimizer来进行训练，训练出的结果叫中间表达（Intermediate Representation）,这个中间表达主要被推理机调用用来产生推理结果，主要由一个xml文件和一个bin文件组成，分别表示网络拓扑关系和加权数据以及偏移量。建立在这个理解的基础上，ModelOptimizer的开发分为以下几个步骤： 1 配置模型优化器（Model Optimizer）； 2 通过模型优化器生成中间表达（IR），这里选择TensorFlow框架； 3 如果选择以自然语言理解的BERT模型为例，利用生成的IR产生相应的推理结果，达到评测目的。下一篇评测就是具体使用模型优化器来完成具体的识别案例。 0
2020-7-22 22:56:39　　评论淘帖0 举报相关推荐 • 【大联大世平Intel®神经计算棒NCS2试用体验】初识神经计算棒NCS2 1216 • 【大联大世平Intel®神经计算棒NCS2试用体验】环境搭建 3622 • 【大联大世平Intel®神经计算棒NCS2试用体验】开箱评测 1626 • 【大联大世平Intel®神经计算棒NCS2试用体验】0.开箱帖 2375 • 【大联大世平Intel®神经计算棒NCS2试用体验】开箱 1789 • 【大联大世平Intel®神经计算棒NCS2试用体验】环境搭建 967 • 【大联大世平Intel®神经计算棒NCS2试用体验】牛刀小试（一） 1514 • 【大联大世平Intel®神经计算棒NCS2试用体验】模型优化器的配置流程 1466 • 【大联大世平Intel®神经计算棒NCS2试用体验】开箱初体验 930 • 【大联大世平Intel®神经计算棒NCS2试用体验】训练模型软件 tensorflow 的艰难安装 1859