项目前期缺陷图片用多少张？

这与缺陷的可容易识别度有关，比如有一些简单的缺陷，可能二三十张就可以达到90%以上的准确率，但对于一些难识别的缺陷，可能需要的数量要达到五六十张以上才能达到同等的效果，这是在前期的可行性验证阶段。对于长期的POC，一般来说一个缺陷检测，在比较理想的情况下，需要100张以上或200张以上的图片，检测准确率相对会比较好，这也取决于场景的标准化过程以及缺陷是否会实时的进行变异。

阅读全文 → 2022-12-30

T4 4卡负载率低的问题如何解决？硬件还是软件？

从软件角度来看，不太确定用的是哪一个框架，不同的框架实现了同一个算法，可能在载率上是不太一样的，可以借助刚才提到的Nsightsystems去分析瓶颈到底出现在哪。如果真的是CPU上的计算太多了，GPU上的计算量本来就少，这时如果负载低其实是预期之中的，可以通过一些其他的方法去改进它。

阅读全文 → 2022-12-29

如果某个模型的请求执行完毕了，GPU显存会释放掉吗？

蓝海大脑液冷GPU服务器研究人员表示：

TensorRT Inference Server可以从模型仓库里面去load模型，在runtime的时候。如果释放GPU的显存，需要卸载模型，可以通过修改模型仓库来实现，关于如何修改模型仓库，您可以参考TensorRT Inference Server的用户手册，就不用去重新启动TensorRT Inference Server，另外也可以使用gRPC或者HTTP的API来动态的加载或卸载模型，具体也可以去参考模型管理的文档。

阅读全文 → 2022-12-29

transformer和CNN的区别是什么？

1、 Transformer模型的核心是self-attention机制，而CNN模型的核心是卷积和池化；

2、Transformer模型可以学习到数据中每个词之间的相关性，而CNN关注于二维局部数据之间的相互关联，随着层的加深，关注区域会更广。

阅读全文 → 2022-12-29

缓解梯度消失和梯度爆炸的方法有哪些？

以下几种方法供参考：

换用Relu、LeakyRelu、Elu等激活函数

ReLu：让激活函数的导数为1

LeakyReLu：包含了ReLu的几乎所有有点，同时解决了ReLu中0区间带来的影响

ELU：和LeakyReLu一样，都是为了解决0区间问题，相对于来，elu计算更耗时一些

BatchNormalization及LayerNormalization

BN及LN本质上是解决传播过程中的梯度问题。

用LST

阅读全文 → 2022-12-29

高性能计算多头注意力机制的多头指的是什么？

与使用单独的一个注意力不同，多头注意力机制可以独立学习得到 h 组不同的线性投影（linear projections）来变换查询、键和值。然后，这 h 组变换后的查询、键和值将并行地进行注意力池化。最后，将这 h 个注意力池化的输出拼接在一起，并且通过另一个可以学习的线性投影进行变换，以产生最终输出。这种设计被称为多头注意力。

自注意力机制的缺陷就是：模型在对当前位置的信息进行编码时，会过度的将注意力集中于自身的位置，因此作者提

阅读全文 → 2022-12-29

首页上一页 104 105 106 107 108 109 110 111 112 113 下一页尾页