MacOS M2 Tensorflow GPU环境搭建
本文记录在mac mini m2 pro上搭建tensorflow gpu版本的过程,中间因为一些坑,导致环境搭建过程有点反复,希望对有相同需求的同学有帮助。...
本文记录在mac mini m2 pro上搭建tensorflow gpu版本的过程,中间因为一些坑,导致环境搭建过程有点反复,希望对有相同需求的同学有帮助。...
什么是算子融合 算子融合是一种通过合并计算图中多个算子到一个算子,达到减少计算量和内存访问的优化方法。 Conv + BatchNormalization + ReLu融合 从融合后的最终公式可以看出,可以在初始阶段就通过BN的均值和方差(推理阶段BN的均值和方差是常量)更新Conv层的weights和bias参数,这样融合后的算子相当少了一个BN层的操作,既减少了内存访问,也减少了计算量 ...
为什么需要代码优化 提升体验,扩展玩法 ...
音乐人声分离概况 音乐人声分离的目的是,从一首歌曲中分离出人声和伴奏声。Project on Music/Voice Separation这个网站比较了一些基于传统方法的效果,但是由于基于了一些假设(比如REPET就假伴奏都是周期重复信号),这些算法在实际测试过程中效果都差强人意。随着深度学习的流行,音乐人声分离这个领域也开始被基于深度学习的方法所占领。在SiSEC MUS上可以看到效果比较好的都是基于深度学习的方法。 ...
对DeepLearning最初的印象是,大量的训练样本+机器学习,也就是说原来传统的机器学习会遇到的问题,不能解决的问题,换成DeepLearning同样解决不了。比如目标识别中因为光照变化,目标被遮挡,目标的几何变化造成的识别率大幅下降,在DeepLearning中同样也不能很好解决。但是不是说DeepLearning就一无事处,最近几年这么热也决不是因为名字取得好。DeepLearning比较明显的优势就是在特征选择上,想想之前做生物特征识别时,各种找特征,还得考虑什么光照不变,旋转不变,抗尺寸变换,抗遮挡,那叫一个累呀。现在可好啦,一个Convolution Layer,再配Fully Connected Layer,最后来个Softmax,丢一堆带标签的样本进去自动给你找出特征。当然这个只是一个接触DeepLearning不到一个月的小白的肤浅认识,大家听听就好。 ...