25 篇文档带有标签「MPU」

Google 推出的轻量级 2.7 亿参数多模态语言模型，专为文本分类和数据提取等任务优化，具备快速微调能力。

专为 ImageNet 299x299 分辨率图像分类任务优化的量化 Inception V4 模型。

带有 0.25 宽度乘数的 MobileNet V1 模型，专为 ImageNet 224x224 分辨率图像分类任务优化。

带有 0.25 宽度乘数的量化 MobileNet V1 模型，专为 ImageNet 224x224 分辨率图像分类任务优化。

带有 1.0 宽度乘数的 MobileNet V2 模型，专为 ImageNet 224x224 分辨率图像分类任务优化。

带有 1.0 宽度乘数的量化 MobileNet V2 模型，专为 ImageNet 224x224 分辨率图像分类任务优化。

针对 ImageNet 224x224 分辨率图像分类任务优化的量化 MobileNet V2 模型，采用 1.0 宽度乘数。

针对高分辨率图像中人员检测优化的轻量级 MobileNet 模型。

针对 COCO 数据集目标检测优化的 MobileNet 模型，支持 224x224 全分辨率及 80 个类别。

专为实时语音识别设计的高效自动语音识别模型，采用可变长度架构，支持最长 30 秒的 16kHz 单声道音频输入。

将 NV12 格式的 1920x1080 图像转换为同分辨率 RGB 格式的预处理模型。

将 NV12 格式的 1920x1080 图像转换为 224x224 分辨率 RGB 格式的预处理模型。

将 NV12 格式的 1920x1080 图像转换为 640x360 分辨率 RGB 格式的预处理模型。

采用 MobileNet 架构、75% 宽度乘数的 PoseNet 模型，用于高效人体姿态估计。

采用 MobileNet 架构、75% 宽度乘数的量化 PoseNet 模型，用于高效优化的人体姿态估计。

将 YUV 图像从 1280x720 转换至 3840x2160 分辨率的快速超分辨率模型。

将 YUV 图像从 1920x1080 转换至 3840x2160 分辨率的快速超分辨率模型。

基于 QDEO 的超分辨率模型，将 YUV 图像从 1280x720 转换至 3840x2160 分辨率。

基于 QDEO 的超分辨率模型，将 YUV 图像从 1920x1080 转换至 3840x2160 分辨率。

针对 640x480 分辨率优化的 YOLOv5m 目标检测模型，在速度与精度之间取得平衡。

针对 640x480 分辨率优化的 YOLOv5s 目标检测模型，适用于实时应用场景。

专为人脸检测设计的 YOLOv5s 模型，针对 640x480 分辨率优化，采用 ONNX 混合量化。

针对 320x320 分辨率优化的 YOLOv8n 目标检测模型，在速度与精度之间实现平衡。

针对 320x320 分辨率优化的 YOLOv8s 目标检测模型，在速度与精度之间实现平衡。

专为人体姿态估计设计的 YOLOv8s 模型，针对实时应用场景进行了优化。