您可以免费观看前 5 分钟或一小节,完整观看请购买。  点此购买


本视频总时长约为15分钟

特邀王博士对当前卷积神经网络的压缩和加速相关算法原理和实现细节进行梳理解读。模型蒸馏的适用条件(1)大网络模型准确率一定比小网络好,如果复杂模型的准确率更低,反而会拉低简单模型的准确率 (2)小网络容量要适合任务需求,使用模型蒸馏对小网络准确率的提升在2%~3%左右(3)对于以特征图做指导的网络,需要分析特征图中的冗余信息或错误信息,讲者从适用条件、设计技巧、模型蒸馏pipeline、损失函数设计等方法逐一介绍,理论结合实践通过论文解读和具体实现带领大家从算法关键步骤原理一步步过渡到工程细节,有理有据帮助你快速掌握核心知识。


作者简介:

王博士毕业于英国帝国理工学院,主要研究方向为深度学习模型压缩与优化,在NIPS、ICLR、IJCAI等顶级会议期刊发表了数篇相关论文,目前在某知名芯片公司担任研究科学家职位。




购买观看完整解读及视频