Bu, en son sürümü 1.28.0.zip olarak indirilebilen AIMET adlı Linux uygulamasıdır. İş istasyonları için ücretsiz barındırma sağlayıcısı OnWorks'te çevrimiçi olarak çalıştırılabilir.
AIMET adlı bu uygulamayı OnWorks ile ücretsiz olarak indirin ve çevrimiçi çalıştırın.
Bu uygulamayı çalıştırmak için şu talimatları izleyin:
- 1. Bu uygulamayı PC'nize indirdiniz.
- 2. Dosya yöneticimize https://www.onworks.net/myfiles.php?username=XXXXX istediğiniz kullanıcı adını girin.
- 3. Bu uygulamayı böyle bir dosya yöneticisine yükleyin.
- 4. Bu web sitesinden OnWorks Linux çevrimiçi veya Windows çevrimiçi öykünücüsünü veya MACOS çevrimiçi öykünücüsünü başlatın.
- 5. Yeni başladığınız OnWorks Linux işletim sisteminden, istediğiniz kullanıcı adıyla https://www.onworks.net/myfiles.php?username=XXXXX dosya yöneticimize gidin.
- 6. Uygulamayı indirin, kurun ve çalıştırın.
EKRAN
Ad
AIMET
TANIM
Qualcomm İnovasyon Merkezi (QuIC), öncü model verimliliği araştırmasıyla uçta düşük güçlü çıkarım sağlama konusunda ön saflarda yer almaktadır. QuIC, ekosistemi sabit nokta çıkarımına taşımaya yardımcı olma misyonuna sahiptir. Bu amaçla QuIC, eğitilmiş sinir ağı modelleri için gelişmiş niceleme ve sıkıştırma teknikleri sağlayan bir kitaplık olan AI Model Efficiency Toolkit'i (AIMET) sunar. AIMET, sinir ağlarının sabit noktalı yapay zeka donanım hızlandırıcılarında daha verimli çalışmasını sağlar. Nicemleştirilmiş çıkarım, kayan noktalı çıkarımdan önemli ölçüde daha hızlıdır. Örneğin, Qualcomm® Kryo™ CPU yerine Qualcomm® Hexagon™ DSP üzerinde çalıştırdığımız modeller, 5x ila 15x arası bir hızlanmayla sonuçlandı. Ayrıca, 8 bitlik bir model, 4 bitlik bir modele göre 32 kat daha küçük bellek ayak izine sahiptir. Bununla birlikte, genellikle bir makine öğrenimi modelini nicelendirirken (örneğin, 32 bit kayan noktadan 8 bit sabit nokta değerine), model doğruluğundan ödün verilir.
Özellikler
- Kanallar arasında genlik varyasyonunu azaltmak için ağırlık tensörlerini eşitleyin
- Büyük bir katmanı iki küçük katmana bölmek için tensör ayrıştırma tekniği
- Niceleme nedeniyle ortaya çıkan katman çıktılarındaki kaymayı düzeltir
- Gereksiz giriş kanallarını bir katmandan kaldırır ve katman ağırlıklarını yeniden oluşturur
- Doğruluğu artırmak için modeli daha fazla eğitmek için niceleme simülasyonunu kullanın
- Modeldeki her katmanın ne kadar sıkıştırılacağını otomatik olarak seçer
Programlama dili
Python
Kategoriler
Bu, https://sourceforge.net/projects/aimet.mirror/ adresinden de alınabilen bir uygulamadır. Ücretsiz Operatif Sistemlerimizden birinden en kolay şekilde online olarak çalıştırılabilmesi için OnWorks üzerinde barındırılmıştır.