Использование моего собственного встроенного классификатора сверточной нейронной сети в Google Coral Devboard и Jetson Nano
Я много читал о Jetson Nano и Google Coral Devboard, и в большинстве документов и статей, которые я читал, вывод и развертывание выполняются с использованием предварительно созданных сверточных нейронных сетей, таких как AlexNet, Inception, MobileNet и других нейронных сетей, используемых для обработки изображений. классификация. Насколько я понимаю, эти микрокомпьютеры требуют, чтобы нейронная сеть была преобразована в модель тензорного потока или любую другую структуру, которую они принимают для выполнения вывода модели.
Что я хотел бы знать, так это: как для Jetson Nano, так и для Google Coral Devboard, могу ли я иметь свою собственную свёрточную нейронную сеть, которая не имеет ничего общего с теми свёрточными нейронными сетями, проиллюстрированными в документации, и развернуть их на этих платах?
Ответы 1
Да. Вы можете обучить свою собственную сверточную нейронную сеть даже вне Jetson Nano и сохранить веса (матрицы с плавающей запятой) внутри Jetson Nano, чтобы сделать вывод. Итак, внутри Jetson Nano вы будете выполнять матричное умножение только для того, чтобы классифицировать все, что захотите. Конечно, вам придется дублировать вашу реальную модель внутри устройства, чтобы вы могли использовать сохраненные веса для вывода.
Нет, вы можете настроить свой собственный.
Большой! Это подтверждает это. Просто количество CNN, на которое ссылается документация, создает впечатление, что пользователь ограничен ими.