معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

One-clicked merge convolution and batchnorm to one unified convolution

ویژگی	مقدار
سیستم عامل	-
نام فایل	convbnmerge-0.1.6
نام	convbnmerge
نسخه کتابخانه	0.1.6
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	vietnamican
ایمیل نویسنده	vietnamican@gmail.com
آدرس صفحه اصلی	https://github.com/vietnamican/conv-bn-merge
آدرس اینترنتی	https://pypi.org/project/convbnmerge/
مجوز	-

# Convolution Batchnorm Merge Only one line of code and we can accelerate your model up to 50% faster! ## Installation ``` $ pip install convbnmerge ``` ## Usage `conv-bn-merge` is <b>ONLY</b> used in inference time! ```python from convbnmerge import merge model = ... """ training... """ merge(model) ``` ## Update * 2021.18.04: support ConvTranspose2d and ConvTranspose3d * 2021.02.04: also support Conv3d ## How much fast You usually reach 30++% inferece time reduce. In some cases, the number is more than 50%! ```python from time import time import torch from torchvision.models.resnet import resnet34 from convbnmerge import merge if __name__ == '__main__': model = resnet34(pretrained=True) x = torch.Tensor(2, 3, 32, 32) with torch.no_grad(): start = time() for i in range(100): model(x) stop = time() print(stop - start) # Before merge: about 7.9s merge(model) with torch.no_grad(): start = time() for i in range(100): model(x) stop = time() print(stop - start) # After merge: about 4.8s ``` ## How we do Coming soon ## Are outputs the same before and after merge? A small difference caused by round-off error. In almost cases, it doesn't harm the model's result. ```python import torch from torchvision.models.resnet import resnet34 from convbnmerge import merge if __name__ == '__main__': model = resnet34(pretrained=True) model.eval() x = torch.Tensor(1, 3, 32, 32) out_old = model(x) merge(model) out_new = model(x) print(((out_old-out_new)**2).sum()) #less than 1e-10 ``` ## License `conv-bn-merge` is MIT-licensed.

نحوه نصب

نصب پکیج whl convbnmerge-0.1.6:

pip install convbnmerge-0.1.6.whl

نصب پکیج tar.gz convbnmerge-0.1.6:

pip install convbnmerge-0.1.6.tar.gz