You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
PyTorchで既存モデルをONNXファイルに保存 今回は、画像認識モデル(Object Detection)をONNXファイルに保存するサンプルです。 入力画像サイズや出力の名前を使用するモデルに合わせる必要があります。 import torch import torchvision # 入力画像サイズ(N, C, H, W) x = torch.randn(1, 3, 480, 640) # 学習済みモデル # 参考 https://pytorch.org/vision/main/models.html#object-detection-instance-segmentation-and-person-keypoint-detection model = torchvision.models.detection.fasterrcnn_mobilenet_v3_large_320_fpn
Open Neural Network Exchange (ONNX) の使用が機械学習モデルの推論の最適化にどのように寄与するかについて説明します。 "推論" つまり "モデル スコアリング" は、デプロイされたモデルを使用して実稼働データに対して予測を生成するプロセスです。 推論用に機械学習モデルを最適化するには、ハードウェア機能を最大限に活用するためにモデルと推論ライブラリを調整する必要があります。 クラウドやエッジ、CPU や GPU などのさまざまな種類のプラットフォームで最適なパフォーマンスを引き出そうとすると、このタスクは複雑になります。それぞれのプラットフォームで性能と特性が異なるためです。 さまざまなフレームワークのモデルがあって、それらを異なるプラットフォームで実行する必要がある場合、複雑さが増します。 異なるフレームワークとハードウェアの組み合わせをすべて最適化するに
この記事は最終更新日から1年以上が経過しています。情報が古くなっている可能性があります。 この記事は Python Advent Calendar 2021 の24日目(???)の記事です。 Qiita の仕様なのかわかりませんが、25日を過ぎたあとでもなぜか申し込めてしまったので、記念として空いてた枠に入れさせてもらいました。 大晦日ギリギリに何の記事を書いてるんだ?となりそうですが、皆さんは PyInstaller で Python で作ったソフトを exe 化したい!と思った事はありますか? 私は何度かあります。 ですが、PyInstaller で作ったソフトは ファイルサイズがデカい・起動が遅い・ウイルス判定されやすい とちょっと微妙な点が多いです。 それでも比較的簡単に exe 化できるのでよく使われているわけですが、とはいえネイティブの exe ほどパフォーマンスは上がりません
ndarrayのdtypeによって、出力するwavデータのフォーマットが変わります。例えば、int16なら16bitのPCMになります。 wavファイルの書き出し例 GarageBandで作った適当な音声データ(ステレオ)のwavファイルを読み込んで、片側のチャンネルの出力を0にしたwavファイルを作ってみます。 まずは、加工の元になるデータを読み込みます。 >>>from scipy.io.wavfile import read >>> rate, data = read('test.wav') /usr/local/var/pyenv/versions/3.6.5/lib/python3.6/site-packages/scipy/io/wavfile.py:273: WavFileWarning: Chunk (non-data) not understood, skipping i
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