Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
开源软件推进联盟
kols
提交
830726e7
K
kols
项目概览
开源软件推进联盟
/
kols
通知
14
Star
8
Fork
9
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
DevOps
流水线
流水线任务
计划
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
K
kols
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
DevOps
DevOps
流水线
流水线任务
计划
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
流水线任务
提交
Issue看板
提交
830726e7
编写于
5月 27, 2022
作者:
杨晓过
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
修改
上级
ce335b47
流水线
#5249
已通过 ,包含阶段
in 15 秒
变更
3
流水线
1
显示空白变更内容
内联
并排
Showing
3 changed file
with
3 addition
and
4 deletion
+3
-4
config/_default/menu.en.toml
config/_default/menu.en.toml
+1
-1
config/_default/params.zh-CN.toml
config/_default/params.zh-CN.toml
+1
-1
content/zh-CN/post/yangguo.md
content/zh-CN/post/yangguo.md
+1
-2
未找到文件。
config/_default/menu.en.toml
浏览文件 @
830726e7
...
@@ -4,7 +4,7 @@
...
@@ -4,7 +4,7 @@
URL
=
"categories"
URL
=
"categories"
Weight
=
1
Weight
=
1
[[Main]]
[[Main]]
Name
=
"
优秀
开源人物"
Name
=
"开源人物"
Pre
=
"users"
Pre
=
"users"
URL
=
"tags/people/"
URL
=
"tags/people/"
Weight
=
2
Weight
=
2
...
...
config/_default/params.zh-CN.toml
浏览文件 @
830726e7
Description
=
"开源推进发展联盟"
Description
=
"开源推进发展联盟"
Keywords
=
""
Keywords
=
""
Subtitle
=
"
共商 共建 共享 共生 共赢
"
Subtitle
=
""
AuthorImg
=
"/img/logo.png"
AuthorImg
=
"/img/logo.png"
AuthorName
=
"开源推进发展联盟"
AuthorName
=
"开源推进发展联盟"
Introduce
=
""
Introduce
=
""
...
...
content/zh-CN/post/yangguo.md
浏览文件 @
830726e7
...
@@ -3,13 +3,12 @@ author = "中兴通讯股份有限公司"
...
@@ -3,13 +3,12 @@ author = "中兴通讯股份有限公司"
title = "杨过的介绍"
title = "杨过的介绍"
date = "2021-11-09"
date = "2021-11-09"
description = "Adlik深度学习推理工具链是托管在Linux基金会人工智能和数据基金会的开源项目。主要解决在深度学习落地过程中的一系列问题,如:1)针对不同设备的推理框架有很多,对用户难以选择,学习成本大2)不用应用场景的部署条件不同,有基于容器化部署场景,也有基于嵌入式硬件部署的场景,同样的模型服务,不同部署方案要掌握不同的技术3)根据性能需求有很多的模型调优工作4)推理服务应用于不同硬件,需要多类异构计算引擎的支持利用Adlik,开发者可以方便地通过剪枝、量化、压缩等技术来优化主流训练框架如TensorFlow、Keras、Caffe、PyTorch等训练出的模型,并针对推理侧模型部署的运行时"
description = "Adlik深度学习推理工具链是托管在Linux基金会人工智能和数据基金会的开源项目。主要解决在深度学习落地过程中的一系列问题,如:1)针对不同设备的推理框架有很多,对用户难以选择,学习成本大2)不用应用场景的部署条件不同,有基于容器化部署场景,也有基于嵌入式硬件部署的场景,同样的模型服务,不同部署方案要掌握不同的技术3)根据性能需求有很多的模型调优工作4)推理服务应用于不同硬件,需要多类异构计算引擎的支持利用Adlik,开发者可以方便地通过剪枝、量化、压缩等技术来优化主流训练框架如TensorFlow、Keras、Caffe、PyTorch等训练出的模型,并针对推理侧模型部署的运行时"
categories = ["
开源人物
"]
categories = ["
名词示例
"]
toc = true
toc = true
+++
+++
## 基本信息
## 基本信息
|基本信息项|说明|
|基本信息项|说明|
|--|--|
|--|--|
|产品名称| Adlik深度学习推理加速工具链|
|产品名称| Adlik深度学习推理加速工具链|
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录