12 2023 档案
摘要：目录安装pytorch环境首先使用conda创建新环境（python和cuda版本根据自己服务器类型选择）然后在新环境安装相应版本的pytoch，（可去官网查找安装命令）https://pytorch.org安装教程遇到的问题下载compressai 安装pytorch环境 首先使用conda创建新
阅读全文
摘要：在安装compressai的时候，想用它自带的setup.py把相应库安装好，但是需要先下载pybind11 下载时遇到如下问题： ERROR: Could not install packages due to an OSError: [Errno 2] No such file or direc
阅读全文
摘要：目录简介创新之处模型结构实验结果 什么是Quantization-Aware量化感知？ 简介 该文章基于VAE提出一种多层次的图像压缩方法 专门设计了用于快速解码(CPU)的QARV网络结构，并为可变速率压缩提出自适应归一化操作。 创新之处 提出了一个算法模型，实现了更快的解码速度和更好的R-D性能
阅读全文
摘要：#开局命令 bash conda activate checkb nohup python examples/train.py -m cheng2020-attn -d/home/user3/compressai/examples/data2 --epochs 400 -lr 1e-4 --batc
阅读全文
摘要：目录简介文章内容：方法 简介 作者之一的微软亚研院的首席研究员胡瀚老师在bibili讲过该论文 使用Transformer完全取代CNN 该文章提出的Swin Transformer可以被当做通用的骨干网络用于多种下游视觉任务。 文章内容： Swin 即 Shifted window:它在本地窗口进
阅读全文
摘要：目录简介 简介 基于CNN的模型的一个主要缺点是 cNN结构不是为捕捉局部冗余而设计的，尤其是非重复纹理，这严重影响了重建质量。受视觉转换器（ViT）和Swin Transformer最新进展的启发，我们发现将局部感知注意机制与全局相关特征学习相结合可以满足图像压缩的期望。 介绍了一种更简单有效的基
阅读全文
摘要：简介 在尽量保证模型精确度的同时，降低模型的计算和内存要求，从而提高运行时性能。 AIMET可以将现有的32位浮点模型量化为8位定点模型，而不会牺牲太多精度，也无需对模型进行微调。
阅读全文
摘要：单线的 def forward(self, x): y = self.g_a(x) y_hat, y_likelihoods = self.entropy_bottleneck(y) x_hat = self.g_s(y_hat) return { "x_hat": x_hat, "likeliho
阅读全文
摘要：1 def compress(self, x): 2 y = self.g_a(x) 3 y_strings = self.entropy_bottleneck.compress(y) 4 return {"strings": [y_strings], "shape": y.size()[-2:]}
阅读全文
摘要：目录简介模型在模型中，使用菱形相对位置编码和top—k方法，并将棋盘上下文模型拓展为并行上下文模型核心代码性能实验 简介 由于cnn在捕获全局依赖关系方面效率低，因此该文章提出了基于tansformer的熵模型——Entoformer；并针对图像压缩进行了top-k self-at
阅读全文
