完善资料让更多小伙伴认识你,还能领取20积分哦, 立即完善>
有很多方法可以将经过训练的神经网络模型部署到移动或嵌入式设备上。不同的框架在各种平台上支持Arm,包括TensorFlow、PyTorch、Caffe2、MxNet和CNTK,如Android、iOS和Linux。每个框架和操作系统的部署过程是相似的,但每个框架和系统可能使用不同的工具。本演练专门介绍在Android、Linux和iOS上部署TensorFlow模型的准备工作。
使用TensorFlow对经过训练的神经网络模型进行优化,步骤如下: 1.确定图中输入和输出节点的名称以及输入数据的维度。 2.使用TensorFlow的transform_graph工具生成优化的32位模型。 3.使用TensorFlow的transform_graph工具生成一个优化的8位模型,该模型效率更高,但精度较低。 4.在设备上对优化的模型进行基准测试,并选择最符合您部署需求的模型。 本教程使用预训练的ResNet-50模型(resnetv1_50.pb)依次完成每个步骤。其他模型的过程相同,但输入和输出节点名称不同。 在本教程的最后,您将准备好在您选择的平台上部署您的模型。
|
|
只有小组成员才能发言,加入小组>>
5825 浏览 5 评论
ARM9学习4-S3C2410的启动代码分析-For ADSv1.2
2869 浏览 0 评论
557浏览 1评论
507浏览 1评论
456浏览 0评论
安装适用于STMicroelectronics Edition 1.1版的Keil MDK应用说明
292浏览 0评论
532浏览 0评论
小黑屋| 手机版| Archiver| 电子发烧友 ( 湘ICP备2023018690号 )
GMT+8, 2024-12-25 16:16 , Processed in 0.655264 second(s), Total 44, Slave 35 queries .
Powered by 电子发烧友网
© 2015 bbs.elecfans.com
关注我们的微信
下载发烧友APP
电子发烧友观察
版权所有 © 湖南华秋数字科技有限公司
电子发烧友 (威廉希尔官方网站 图) 湘公网安备 43011202000918 号 电信与信息服务业务经营许可证:合字B2-20210191 工商网监 湘ICP备2023018690号