Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
【蒸馏】PointDistiller: Structured Knowledge DistillationTowards Efficient and Compact 3D Detection
简述 方法的细节 fT和f S 教师检测器和学生检测器中的特征编码层 AT和AS 抽取的待蒸馏体素或重要性得分最高的点的特征 CT和CS 教师和学生检测特征的通道数 GT和GS 教师和学生检测器的图形特征 该方法基于预先定义的重要度评分 x
PointDistiller
Structured
Knowledge
DistillationTowards
Efficient
EAST: An Efficient and Accurate Scene Text Detector翻译
Abstract 用于场景文本检测的先前方法已经在各种基准测试中获得了良好的性能 然而 xff0c 在处理具有挑战性的场景时 xff0c 即使配备了深度神经网络模型 xff0c 它们通常也会达不到很好性能 xff0c 因为整体性能取决于管道
EAST
Efficient
and
Accurate
Scene
LLaMA-Adapter: Efficient Fine-tuning of Language Models with Zero-init Attention
Paper name LLaMA Adapter Efficient Fine tuning of Language Models with Zero init Attention Paper Reading Note Paper URL
LLaMA
Adapter
Efficient
Fine
Tuning
源码阅读及理论详解《 Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting 》
Informer论文 xff1a https arxiv org pdf 2012 07436 pdf Informer源码 xff1a GitHub zhouhaoyi Informer2020 The GitHub repository
informer
Beyond
Efficient
Transformer
for
【论文复现】ECO_Efficient Convolutional Network for Online Video Understandin
论文链接 xff1a https arxiv org abs 1804 09066 代码链接 xff1a https github com mzolfaghari ECO pytorch 该篇论文是百度paddlepaddle线上训练营推荐
ECO
Efficient
convolutional
network
for
《Towards Efficient SpMV on Sunway Many-core Architectures 》读后笔记
记待解问题为y 61 Ax xff0c 采用了CSR格式存储矩阵 核心思路 xff1a 多级数据并行 具体分为两方面 xff0c 待计算数据的划分和计算核的划分 下面分3部分进行说明 1 xff09 对稀疏矩阵进行三级数据划分 xff0c
towards
Efficient
SpMV
Sunway
many