如何有效应对域偏移 —— 近年研究热点总结(二)之域泛化

“域泛化”旨于应对如下问题:相比于域自适应,域泛化注重于在训练阶段,目标域数据完全不可获取的情况下,如何使得模型仅依靠源域数据获得强大的鲁棒表征能力,在无法提前观测的部署环境下保持较高的模型性能。

django+nginx+gunicorn项目部署

1.使用UFW打开端口 默认情况下,Linux的防火墙是IPTables。尽管它是一个非常有效和灵活的应用程序,但事实是它不容易管理。因此,社区创造了同样有效但更容易使用的替代品,如UFW。简而言之,U...

  • 0
  • 0
  • 刘士琦
  • 发布于 2022-12-05 01:02
  • 阅读 ( 77 )

如何有效应对域偏移 —— 近年研究热点总结(一)

自深度学习发展以来,域自适应(Domain Adaptation)对上述所描述的域偏移问题进行了大量的解决方案探索。早期的域自适应方法主要集中于Unsupervised Domain Adaptation (UDA)的设置,它们旨于利用源域的标记数据去提升来自目标域的无标记数据的测试性能。近年来,越来越多的基于UDA的变体被提出,它们注重于更加苛刻和贴合现实应用的场景和问题设置,并实施更加“精妙”的解决方案来应对。

深度学习编译器介绍——前端编译

深度学习编译器需要理解输入的源程序并将其映射到目标机。为了实现这两项任务,编译器的设计被分解为两个主要部分:前端和后端。

  • 0
  • 0
  • FC
  • 发布于 2022-11-09 22:15
  • 阅读 ( 68 )

华为MindSpore模型转换

 使用华为mindspore模型框架下DeepLabv3+,DeepLab是一系列图像语义分割模型,DeepLabv3+通过encoder-decoder进行多尺度信息的融合,同时保留了原来的空洞卷积和ASSP层, 其骨干网络使用了Resne...

  • 0
  • 0
  • LH
  • 发布于 2022-11-09 10:37
  • 阅读 ( 54 )

华为云管理工具ModelArts使用方法3—使用终端SSH及密钥连接云服务器

Linux方式1. 将密钥文件权限设定为“所有者可读写”使用chmod指令完成chmod 600 key_hmt.pem ll key_hmt.pem设定完成后使用ll key_hmt.pem查看文件权限应该为"-rw-------":2. 启动ModelArts开发...

华为云管理工具ModelArts使用方法2—ModelArts使用PuTTY远程连接

1. 创建notebook创建notebook是在华为云服务器中启动一个实例,即获取一定的计算资源、内存资源以及预先定义使用的深度学习框架 2. 创建密钥或选择密钥打开密钥创建或选择一个已经存在的密钥(...

华为云管理工具ModelArts使用方法1—云服务器的使用

云服务器的使用华为云服务器是基于鲲鹏920以及910构成的昇腾训练NPU,需要使用华为提供的ModelArts云资源管理工具进行使用。ModelArts地址:https://bssconsole.yantachaosuanzhongxin.com/#/mg...

一种边端协同的目标检测任务卸载方法研究

在智能物联网背景下,摄像头已经无处不在,随着监控设备数量增长,对应每秒产生的数据量也是爆炸式增长,终端设备自身的计算资源终归有限,在面对突发的高工作负载时,无法在短时间内处理这么多的任务量。本文专注于对视频关键帧选取和任务卸载两个方面进行研究,提出了一种边端协同的目标检测任务卸载方法,从而缓解终端的工作负载,有效降低工作时延。

  • 0
  • 0
  • LH
  • 发布于 2022-07-23 12:13
  • 阅读 ( 136 )

边端部署环境下的分布偏移(潜藏情境)分类理论

边端部署环境下的分布偏移(潜藏情境)分类理论

场景自适应的在线多视图融合视频摘要算法

针对视频场景动态多变导致模型精度降低、复杂环境下模型收敛困难的问题,提出场景自适应的在线多视图融合视频摘要算法,利用语义、图像熵、视觉信息等融合的域无关特征对模型奖励进行奖励设计,同时降低特征空间以加速模型微调的收敛速度。

  • 0
  • 0
  • LH
  • 发布于 2022-05-23 11:33
  • 阅读 ( 214 )

基于边端情境自适应的潜藏情境挖掘和语义分割算法

针对边端情境复杂多样,潜藏情境难挖掘的问题,拟提出人机共融和数据潜藏情境挖掘技术

异构物联终端协同深度计算任务分割方法

针对物联终端协同问题提出一种聚合多个物联网设备的计算能力以完成单个设备无法执行任务的深度神经网络划分方法。通过将深度模型以层为粒度进行划分,选择有效的模型分割点,将复杂的深度模型部署到分布式协同环境,综合多个异构设备算力解决高消耗模型的部署问题

  • 0
  • 0
  • LH
  • 发布于 2022-05-16 14:45
  • 阅读 ( 220 )

跨资源受限边端平台的深度计算模型分割方法

在深度模型分割相关研究中,时延预测直接决定了搜索到的模型分割方案的效果。然而,现有深度模型分割研究中多以实际测量的方式来获取,普适性较低且耗时耗力、实用性不强。

  • 0
  • 3
  • hcshen
  • 发布于 2021-07-12 11:49
  • 阅读 ( 371 )

边端融合增强的模型压缩算法(X-ADMM)

为保证深度学习模型的预测精度,通常不能对其进行十分彻底的压缩,这导致压缩后的模型可能仍然不能顺利部署在嵌入式设备上。X-ADMM方法融合了模型剪枝和分割的优势,首先采用结构剪枝的方式并基...

  • 0
  • 1
  • hcshen
  • 发布于 2021-07-12 11:44
  • 阅读 ( 527 )

基于pytorch框架的模型资源预测器(PFLOPS)

平台相关的资源预测对边端协同深度计算中的模分区与资源分配十分重要,而实际测量将耗能耗时,不利于高效、快速的边端协同计算过程。

  • 0
  • 2
  • hcshen
  • 发布于 2021-07-12 11:35
  • 阅读 ( 397 )

基于图的深度模型自适应手术刀算法(GADS)

基于图的深度模型自适应手术刀算法