tongchenkeji 发表于:2023-1-30 20:20:510次点击 已关注取消关注 关注 私信 请问用Blade优化基于TensorFlow的ResNet50模型的流程大概是怎样的?[阿里云机器学习PAI] 暂停朗读为您朗读 请问用Blade优化基于TensorFlow的ResNet50模型的流程大概是怎样的? 「点点赞赏,手留余香」 赞赏 还没有人赞赏,快来当第一个赞赏的人吧! 海报 机器学习PAI# TensorFlow46# 人工智能平台 PAI1410# 算法框架工具77
晨光永不消逝AM 2023-11-28 2:42:09 1 您好,主要流程如下: 1.步骤一:准备工作 安装支持TensorRT优化的Blade Wheel包,并下载ResNet50模型及测试数据。 2.步骤二:调用Blade优化模型 调用blade.optimize接口优化模型。 3.步骤三:验证性能 对优化前后的推理速度进行测试,从而验证优化报告中信息的正确性。 4.步骤四:加载运行优化后的模型 集成Blade SDK,加载优化后的模型进行推理。
余生吟清歌AM 2023-11-28 2:42:09 2 模型的流程参见阿里云官方文档步骤:https://help.aliyun.com/document_detail/321356.html 背景信息 残差网络ResNet(Residual Network)堪称图像领域深度学习模型实战的”Hello Word”,广泛用于目标分类领域。此外,ResNet作为计算机视觉任务主干经典神经网络的一部分,也用于提取图像的卷积特征。ResNet典型的网络有ResNet26、ResNet50及ResNet101等。 使用限制 本文使用的环境需要满足以下版本要求: 系统环境:Linux系统中使用Python 3.6及其以上版本、CUDA 10.0。 框架:TensorFlow 1.15。 推理优化工具:Blade 3.17.0及其以上版本。 操作流程 使用Blade优化基于TensorFlow的ResNet50模型的流程如下: 步骤一:准备工作 安装支持TensorRT优化的Blade Wheel包,并下载ResNet50模型及测试数据。 步骤二:调用Blade优化模型 调用blade.optimize接口优化模型。 步骤三:验证性能 对优化前后的推理速度进行测试,从而验证优化报告中信息的正确性。 步骤四:加载运行优化后的模型 集成Blade SDK,加载优化后的模型进行推理。
您好,主要流程如下:
1.步骤一:准备工作
安装支持TensorRT优化的Blade Wheel包,并下载ResNet50模型及测试数据。
2.步骤二:调用Blade优化模型
调用blade.optimize接口优化模型。
3.步骤三:验证性能
对优化前后的推理速度进行测试,从而验证优化报告中信息的正确性。
4.步骤四:加载运行优化后的模型
集成Blade SDK,加载优化后的模型进行推理。
模型的流程参见阿里云官方文档步骤:https://help.aliyun.com/document_detail/321356.html 背景信息 残差网络ResNet(Residual Network)堪称图像领域深度学习模型实战的”Hello Word”,广泛用于目标分类领域。此外,ResNet作为计算机视觉任务主干经典神经网络的一部分,也用于提取图像的卷积特征。ResNet典型的网络有ResNet26、ResNet50及ResNet101等。
使用限制 本文使用的环境需要满足以下版本要求: 系统环境:Linux系统中使用Python 3.6及其以上版本、CUDA 10.0。 框架:TensorFlow 1.15。 推理优化工具:Blade 3.17.0及其以上版本。 操作流程 使用Blade优化基于TensorFlow的ResNet50模型的流程如下: 步骤一:准备工作 安装支持TensorRT优化的Blade Wheel包,并下载ResNet50模型及测试数据。
步骤二:调用Blade优化模型 调用blade.optimize接口优化模型。
步骤三:验证性能 对优化前后的推理速度进行测试,从而验证优化报告中信息的正确性。
步骤四:加载运行优化后的模型 集成Blade SDK,加载优化后的模型进行推理。