《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》
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。
图表编号 | XD00148185900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.15 |
作者 | 朱金铭、邰阳、邹刘磊、范洪辉、朱洪锦 |
绘制单位 | 江苏理工学院计算机工程学院、复旦大学计算机科学技术学院、江苏理工学院计算机工程学院、江苏理工学院计算机工程学院、江苏理工学院计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |