如何解决有什么令人信服的理由不以半精度计算非最大抑制NMS?
在许多不同的深度学习架构中查看非最大抑制代码,我注意到当使用自动混合精度(keras,pytorch)时,似乎这些都是在float32中计算的。如果我们将NMS用于对象检测器(例如YOLO)中的盒子,则输入是像素坐标,因此我认为在这些计算中使用半精度应该是完全合法的(尤其是如果这些仅用于检测阶段,并且我们使用没有渐变)。有人发现您确实需要使用float32吗?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。