OpenGL Backend for MXNet/TVM
15-418/618 Parallel Computer Architecture and Programming Zhixun Tan (zhixunt), Peng Wang (pwang1) TVM part: https://github.com/dmlc/tvm/pull/672 Optimization exploration part: https://github.com/stomakun/Glitter Proposal: https://github.com/phisiart/418-proj/blob/master/proposal.md Checkpoint: https://github.com/phisiart/418-proj/blob/master/checkpoint.md Summary In this project, we 1) Added an O
ONNX 2020 - OPTiM TECH BLOG
R&D チームの奥村（@izariuo440）です。相変わらず深層学習モデルの推論に取り組んでいます。深層学習モデルの推論器として二年前に ONNX Runtime を軽くレビューしましたが、当時と比較するとかなり進歩しており、ONNX Runtime だけでなく ONNX 自体や関連ソフトウェアも成熟が進んでいるので、備忘録として私がお世話になっているものをかいつまんで紹介します。 OPTiM TECH BLOG Advent Calendar 2020 12/18 の記事です。 ONNX や ONNX Runtime は二年前の記事で少し解説しています。必要に応じてご参照ください。 tech-blog.optim.co.jp ONNX チュートリアル ONNX Model Zoo オプティマイザ その他 ONNX 関連のソフトウェア ONNX Runtime onnx-tensorrt
Speeding up TensorFlow, MXNet, and PyTorch inference with Amazon SageMaker Neo | Amazon Web Services
AWS Machine Learning Blog Speeding up TensorFlow, MXNet, and PyTorch inference with Amazon SageMaker Neo Various machine learning (ML) optimizations are possible at every stage of the flow during or after training. Model compiling is one optimization that creates a more efficient implementation of a trained model. In 2018, we launched Amazon SageMaker Neo to compile machine learning models for man
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
