Lamiyi

Apple は、顔検出にデバイス上のディープニューラルネットワークを使用する方法を説明する新しい記事を機械学習ブログに公開しました。

私たちはいくつかの課題に直面しました。ディープラーニングモデルはオペレーティングシステムの一部として配布する必要があり、貴重なNANDストレージ容量を占有します。また、RAMにロードする必要があり、GPUやCPUでかなりの計算時間を必要とします。クラウドベースのサービスではリソースを視覚処理にのみ割り当てることができますが、デバイス上での計算は、他の実行中のアプリケーションとシステムリソースを共有しながら実行されなければなりません。さらに、大規模なフォトライブラリを比較的短時間で処理できるほどの効率性を備えていなければならず、同時に消費電力や発熱量の増加も大きくなってはなりません。

ブログ記事では、Apple のエンジニアが次の点について説明しています。
● GPU と CPU を最大限に活用する方法 (BNNS と Metal を使用)
● ネットワーク推論、イメージの読み込みとキャッシュのためのメモリ最適化
● iPhone に期待される他の多数の同時タスクを妨げない方法でネットワークを実装する方法。

全文を読むには下のリンクをクリックしてください。

続きを読む