tensorflow - 在 Google Coral Devboard 和 Jetson Nano 中使用我自己构建的卷积神经网络分类器
问题描述
我读过很多关于 Jetson Nano 和 Google Coral Devboard 的文章,在我读过的大多数文档和论文中,推理和部署都是使用预构建的卷积神经网络完成的,例如 AlexNet、Inception、MobileNet 和其他用于图像的神经网络分类。据我了解,这些微型计算机需要将神经网络转换为张量流模型或它们接受的任何框架来执行模型的推理。
我想知道的是:对于 Jetson Nano 和 Google Coral Devboard,我可以拥有自己的卷积神经网络,与文档中示例的那些卷积神经网络无关,并将它们部署到这些板上吗?
解决方案
是的。即使在 Jetson Nano 之外,您也可以训练自己的卷积神经网络,并将权重(浮点矩阵)保存在 Jetson Nano 中以进行推理。因此,在 Jetson Nano 中,您只会进行矩阵乘法来分类您想要的任何内容。当然,您必须在设备内复制您的真实模型,以便您可以使用保存的权重进行推理。
推荐阅读
- python - 在 Python 中从文本文件创建变量
- excel - 在 Powershell 生成的 Excel 文件中格式化图表 DataLabel
- python - Docker即使在杀死后也继续在后台运行进程
- mysql - 如何根据同一表中的字段在一个字段中插入和增加一个值
- flutter - MethodChannel、EventChannel 和 BasicMessageChannel 有什么区别?
- vba - 列表框 - 第一项保持选中状态
- python - WTForms 未将正确的数据类型保存到数据存储区
- azure - 如何验证来自个人 Microsoft 帐户的令牌?
- haskell - “Prelude.read: no parse”,自己的数据类型
- python - itertools.chain 返回一个意外的迭代器