SqueezeNet
| Tipus | programari lliure  |
|---|---|
| Llicència | BSD license |
| Característiques tècniques | |
| Plataforma | Multiplataforma |
| Equip | |
| Creador/s | Forrest Iandola, Song Han, Matthew W. Moskewicz, Khalid Ashraf, Bill Dally, Kurt Keutzer |
| Més informació | |
| Lloc web | www.github.com/DeepScale/SqueezeNet |
|
| |
SqueezeNet és el nom d'una xarxa neuronal profunda per a la visió per ordinador que es va llançar el 2016. SqueezeNet va ser desenvolupada per investigadors de DeepScale, la Universitat de Califòrnia, Berkeley i la Universitat de Stanford. En dissenyar SqueezeNet, l'objectiu dels autors era crear una xarxa neuronal més petita amb menys paràmetres que encaixin més fàcilment a la memòria de l'ordinador i es puguin transmetre més fàcilment a través d'una xarxa informàtica.[1]
SqueezeNet es va publicar originalment el 22 de febrer de 2016.[2] Aquesta versió original de SqueezeNet es va implementar a la part superior del marc de programari d'aprenentatge profund Caffe. Poc després, la comunitat de recerca de codi obert va portar SqueezeNet a una sèrie d'altres marcs d'aprenentatge profund. El 26 de febrer de 2016, Eddie Bell va llançar un port de SqueezeNet per al marc d'aprenentatge profund de Chainer.[3] El 2 de març de 2016, Guo Haria va llançar un port de SqueezeNet per al framework Apache MXNet.[4] El 3 de juny de 2016, Tammy Yang va llançar un port de SqueezeNet per al marc Keras.[5] El 2017, empreses com Baidu, Xilinx, Imagination Technologies i Synopsys van demostrar que SqueezeNet funcionava en plataformes de processament de baix consum com ara telèfons intel·ligents, FPGA i processadors personalitzats.[6]
A partir del 2018, SqueezeNet s'envia "de manera nativa" com a part del codi font d'una sèrie de marcs d'aprenentatge profund com PyTorch, Apache MXNet i Apple CoreML.[7][8][9] A més, els desenvolupadors de tercers han creat implementacions de SqueezeNet compatibles amb marcs com TensorFlow.[10]
Referències[modifica]
- ↑ Ganesh, Abhinav «Deep Learning Reading Group: SqueezeNet». KDnuggets.
- ↑ «SqueezeNet» (en anglès). GitHub, 22-02-2016. [Consulta: 12 maig 2018].
- ↑ Bell, Eddie. «An implementation of SqueezeNet in Chainer» (en anglès). GitHub, 26-02-2016. [Consulta: 12 maig 2018].
- ↑ Haria, Guo. «SqueezeNet for MXNet» (en anglès). GitHub, 02-03-2016. [Consulta: 12 maig 2018].
- ↑ Yang, Tammy. «SqueezeNet Keras Implemenation» (en anglès). GitHub, 03-06-2016. [Consulta: 12 maig 2018].
- ↑ Chirgwin, Richard. «Baidu puts open source deep learning into smartphones» (en anglès). https://www.theregister.com.+[Consulta: 13 març 2023].
- ↑ «squeezenet.py» (en anglès). GitHub: PyTorch. [Consulta: 12 maig 2018].
- ↑ «squeezenet.py» (en anglès). GitHub: Apache MXNet. [Consulta: 7 abril 2018].
- ↑ «CoreML» (en anglès). Apple. [Consulta: 10 abril 2018].
- ↑ Poster, Domenick. «Tensorflow implementation of SqueezeNet» (en anglès). GitHub. [Consulta: 12 maig 2018].