動態(tài)

• 發(fā)布了文章 2023-10-10 10:17

  TPU-MLIR量化敏感層分析，提升模型推理精度

  

  背景介紹TPU-MLIR編譯器可以將機器學習模型轉(zhuǎn)換成算能芯片上運行的bmodel模型。由于浮點數(shù)的計算需要消耗更多的計算資源和存儲空間，實際應(yīng)用中往往采用量化后的模型（也稱定點模型）進行推理。相比于浮點數(shù)模型，量化模型的推理精度會有一定程度的損失。當精度損失較大時，需要搜索模型中對精度影響較大的層，即敏感層，將其改回浮點類型，生成混精度模型進行推理。以mo

  TPU 機器學習 模型

  2.5k瀏覽量

• 發(fā)布了文章 2023-10-10 10:17

  大象轉(zhuǎn)身，TPU-MLIR適配DragGAN模型前向操作

  

  DragGANDragGAN是由谷歌、麻省理工學院和馬克斯普朗克研究所創(chuàng)建的一種新的人工智能模型。通過點擊、拖動等簡單的交互操作就能改變拍攝對象的姿勢、形狀和表情等。DragGAN改變了傳統(tǒng)的PS操作流程，只需簡單拖拽起點和終點，AI就會根據(jù)圖像的變化自動生成和補全圖像。DragGAN可處理的圖像類型豐富多樣，無論是人類表情的調(diào)整還是自然風景的變化，都可以在

  GaN 人工智能 模型

  1.4k瀏覽量