内容简介：(以及其他具有类似编码器 – 解码器架构的图形)优化图形.但是,使用quantize_weights时,优化图实际上较慢,使用quantize_nodes时甚至要慢得多.从Tensorflow的文档来看,量化时可能没有任何改进,甚至可能更慢.如果下面的图形/软件/硬件是正常的,不知道吗？以下是我的系统信息供您参考：> OS平台和发行版：Linux Ubuntu 16.04
我想使用Tensorflow的transform_graph工具优化图形.我尝试从 MultiNet
(以及其他具有类似编码器 – 解码器架构的图形)优化图形.但是,使用quantize_weights时,优化图实际上较慢,使用quantize_nodes时甚至要慢得多.从Tensorflow的文档来看,量化时可能没有任何改进,甚至可能更慢.如果下面的图形/软件/硬件是正常的,不知道吗？
以下是我的系统信息供您参考：
> OS平台和发行版：Linux Ubuntu 16.04
> TensorFlow安装自：使用TF源代码(CPU)进行图形转换,使用二进制python(GPU)进行推理
> TensorFlow版本：均使用r1.3
> Python版本：2.7
> Bazel版：0.6.1
> CUDA / cuDNN版本：8.0 / 6.0(仅推理)
> GPU型号和内存：GeForce GTX 1080 Ti
如有必要,我可以发布用于重现的所有脚本.
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
猜你喜欢:
- 快速入门Pytorch(1)--安装、张量以及梯度
- 百倍提升张量计算：谷歌开源TensorNetwork
- 速度提高100倍，谷歌开源张量计算库
- CVPR 2019：一个高阶张量搞定整个全卷积网络
- NumSharp v0.8.0 发布，C# 张量计算库
- ICML 2019 | 第四范式提出快速张量补全新方法
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
图片转BASE64编码
在线图片转Base64编码工具
XML、JSON 在线转换
在线XML、JSON转换工具