카테고리 없음
2020-05-09 10시 개발자 글 모음 | "Review: ShuffleNetV2" 외 6개 이야기
데브피드
2020. 5. 9. 10:46
- 터크코리와의 협업을 통한 공장 센서 및 기기를 AWS IoT와 AWS 데이터 분석 서비스를 통해 지능화하여 기계 학습을 적용하는 스마트 팩토리 아키텍처 구성 방법을 소개합니다
- AWS 로봇카페 고객의 주문을 받아 로봇 바리스타가 어떻게 커피를 만들어 제공하는 무인 커피 매장을 만들 수 있는지 데모로 보실 수 있습니다
- AWS RoboMaker를 통한 로봇 구동 등 현실 가능한 클라우드 기반 솔루션을 보실 수 있습니다
- 서울 일부 지역 아파트 전월세 실거래가
- 서울 일부 지역 아파트 전월세 실거래가
- 서울 일부 지역 아파트 전월세 실거래가
- 위 규칙에 의해 Kafka 내부 알고리즘에 의해 기존에 존재하던 Follower Partition이 새로운 Leader로 뽑히게 되어 다음 그림과 같이 장애에 대해 자동으로 Failover가 수행된다
- 데이터에 대한 접근은 오직 “Leader Partition“에 대해서만 접근이 이루어진다는 것을 알 수 있다
- Leader Partition이 클러스터 내부의 broker에 골고루 분포가 된다면 한 broker로 트래픽이 몰려 timeout이나 다른 에러가 나는 상황을 방지 할 수 있다
- use “balanced convolutions (equal channel width); be aware of the cost of using group convolution; reduce the degree of fragmentation; reduce element-wise operations
- 다른 네트워크들에 대한 고찰 ShuffleNet V1 Heavily group convolutions → G2 Bottleneck-like building blocks → G1 Residual Block → G3 Element-wise operation→ G4 MobileNet V2 Inverted bottleneck structure → G1 Depthwise convolution & ReLU Element-wise operation → G4 NAS Highly fragmentation → G3
- 3x3 depthwise convolution 을 추가하여 Receptive Field를 키워보니 (ShuffleNet V2*) runtime은 늘었으나 성능이 증가함