MXNetの検索結果1 - 4 件 / 4件

• あとで読む

  Speeding up TensorFlow, MXNet, and PyTorch inference with Amazon SageMaker Neo | Amazon Web Services

  • 4 users
  • aws.amazon.com
  • テクノロジー
  • 2020/12/09

  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

  • AWS

  
• あとで読む

  OpenGL Backend for MXNet/TVM

  • 4 users
  • phisiart.github.io
  • テクノロジー
  • 2021/04/19

  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

  • 機械学習
  • コンピュータ
  • *あとで読む
• あとで読む

  [Amazon SageMaker] 組み込みアルゴリズムのオブジェクト検出(ResNet-50)をJetson Nano上のMXNetで利用してみました | DevelopersIO

  • 3 users
  • dev.classmethod.jp
  • テクノロジー
  • 2020/06/23

  1 はじめに CX事業本部の平内（SIN）です。 Amazon SageMake（以下、SageMaker）の組み込みアルゴリズムであるオブジェクト検出は、デバイスにインストールしたMXNetフレームワークの上で利用することが可能です。 この動作に関しては、これまで、MacOSとRaspberryPiで確認してみました。 [Amazon SageMaker] 組み込みアルゴリズムのオブジェクト検出(ResNet-50)をMac上のMXNetで利用してみました [Amazon SageMaker] 組み込みアルゴリズムのオブジェクト検出(ResNet-50)をRaspberryPi上のMXNetで利用してみました 今回は、The NVIDIA® Jetson Nano™ 開発者キット（以下、Jetson Nano）にセットアップしたMXNetでこれを利用してみました。 最初に、動

  
• あとで読む

  [Amazon SageMaker] 組み込みアルゴリズム（物体検出）モデルをMXNetで利用できるようにする環境をSageMaker Studio Notebooksで作ってみました | DevelopersIO

  • 3 users
  • dev.classmethod.jp
  • テクノロジー
  • 2020/12/29

  [Amazon SageMaker] 組み込みアルゴリズム（物体検出）モデルをMXNetで利用できるようにする環境をSageMaker Studio Notebooksで作ってみました 1 はじめに CX事業本部の平内（SIN）です。 Amazon SageMaker（以下、SageMaker）の組み込みアルゴリズム（物体検出）で作成されたモデルは、MXNetの環境で利用するために変換（損失層の削除とNMS層を追加）が必要です。 また、同モデルをSageMaker Neo（以下、Neo）でコンパイルする際も、この変換が必要です。 この変換作業は、https://github.com/zhreshold/mxnet-ssdのdeploy.pyで可能なことを以前紹介しましたが、この時点では、Python2.xの環境が必要でした。 [Amazon SageMaker] 組み込みアルゴリズム