《表3 YOLOv3训练结果（FP16)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度可分离卷积与通道裁剪的YOLOv3改进方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对比表2和表3可知，将模型转换为16位浮点型对模型精度影响较小，相反，由于硬件对16位浮点型计算支持，反而只需要大致一半的计算时间和显存占用，因而16位浮点型量化是一种极其实用的神经网络量化方法。