檢索結果：共6筆資料 檢索策略： "Deep-learning".ekeyword (精準) and ckeyword.raw="知識蒸餾"
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
隨著類神經網路技術的高度發展，為了符合更複雜且高準確度要求的使用情境，近年來被提出的類神經網路的模型體積愈來愈龐大，運算複雜度也不斷提升，而擁有良好辨識能力的網路模型往往伴隨著相當高的硬體需求。為了…
2
由於模型結構複雜，深度學習方法通常在模型訓練和模型預測中引入較高的時間和空間複雜度。為了有效地將深度學習方法應用於輕量級設備，例如物聯網環境設備，模型壓縮到輕量級版本近年來引起了人們的關注。知識蒸餾…
3
隨著深度學習的發展，為了因應人類不同種的需求及情境，網路架構被設計的越來越龐大且複雜。這些複雜的網路架構往往造成使用者必須消耗一定的運算資源、記憶體空間，而且不夠即時。為了解決這些缺點，模型壓縮技術…
4
眼科醫生透過瞳孔對光的反應了解病患的生理狀態，當醫生檢查病患的瞳孔時，雖然會使用筆燈與瞳孔尺作為量測，但是主要還是依賴醫生過去的經驗作為判斷結果，因此每位醫生會有不同的判斷情況，造成量測上的誤差。因…
5
自動語音辨識模型（Automatic speech recognition, ASR）的目的是將語音訊號轉換為對應的文字，其對聲學的特徵和文字的前後文意有著很強的學習能力才能夠整合語音與文字兩個模態…
6
隨著市場上應用情境的需求不斷提升與改變，深度學習網路架構也逐漸變的複雜且龐大，準確度上升的同時造成了模型參數指數性成長，亦產生了模型效率不佳等更多延伸問題，各個領域的應用需要在準確度與易用性上做出取…