Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/joisino/speedbook

書籍『深層ニューラルネットワークの高速化』のサポートサイトです。
https://github.com/joisino/speedbook

deep-learning deep-neural-networks distillation efficiency neural-networks pruning pytorch quantization

Last synced: about 4 hours ago
JSON representation

書籍『深層ニューラルネットワークの高速化』のサポートサイトです。

Awesome Lists containing this project

README

        



書籍『[深層ニューラルネットワークの高速化](https://www.amazon.co.jp/dp/4297143097)』のサポートページです。

# ノートブック

以下のノートブックは MIT ライセンスのもと配布されております。商用・非商用問わず自由に利用することができます。

### 環境構築

[Poetry](https://python-poetry.org/) をインストールした後、このディレクトリ上で

```
$ poetry install
$ poetry run jupyter lab
```

を実行して Jupyter Lab を起動してください。

### 一覧

|箇所|説明|ファイル|Colab|
|:----|:----|:----|:----:|
|コード 2.1|GPU でのコンパイル|[compile.ipynb](https://github.com/joisino/speedbook/blob/main/notebooks/compile.ipynb)|[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/joisino/speedbook/blob/main/notebooks/compile.ipynb)|
|コード 2.2|CPU でのコンパイル|[compile_cpu.ipynb](https://github.com/joisino/speedbook/blob/main/notebooks/compile_cpu.ipynb)|[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/joisino/speedbook/blob/main/notebooks/compile_cpu.ipynb)|
|コード 2.3|メモリ配列の最適化 (channel last)|[channel_last.ipynb](https://github.com/joisino/speedbook/blob/main/notebooks/channel_last.ipynb)|[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/joisino/speedbook/blob/main/notebooks/channel_last.ipynb)|
|コード 3.2|FP16 の利用|[fp16.ipynb](https://github.com/joisino/speedbook/blob/main/notebooks/fp16.ipynb)|[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/joisino/speedbook/blob/main/notebooks/fp16.ipynb)|
|コード 3.4|CPU での BF16 の利用|[bf16_cpu.ipynb](https://github.com/joisino/speedbook/blob/main/notebooks/bf16_cpu.ipynb)|[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/joisino/speedbook/blob/main/notebooks/bf16_cpu.ipynb)|
||GPU での BF16 の利用|[bf16.ipynb](https://github.com/joisino/speedbook/blob/main/notebooks/bf16.ipynb)|[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/joisino/speedbook/blob/main/notebooks/bf16.ipynb)|
|コード 3.8|自動混合精度計算|[amp.ipynb](https://github.com/joisino/speedbook/blob/main/notebooks/amp.ipynb)|[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/joisino/speedbook/blob/main/notebooks/amp.ipynb)|
|コード 3.9|行列の量子化|[quantize_matrix.ipynb](https://github.com/joisino/speedbook/blob/main/notebooks/quantize_matrix.ipynb)|[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/joisino/speedbook/blob/main/notebooks/quantize_matrix.ipynb)|
|コード 3.10|INT8 量子化|[quantization.ipynb](https://github.com/joisino/speedbook/blob/main/notebooks/quantization.ipynb)|[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/joisino/speedbook/blob/main/notebooks/quantization.ipynb)|
|コード 3.15, 3.16|ビットカウント|[bitcount.ipynb](https://github.com/joisino/speedbook/blob/main/notebooks/bitcount.ipynb)|[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/joisino/speedbook/blob/main/notebooks/bitcount.ipynb)|
|コード 4.2|枝刈り|[pruning.ipynb](https://github.com/joisino/speedbook/blob/main/notebooks/pruning.ipynb)|[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/joisino/speedbook/blob/main/notebooks/pruning.ipynb)|
|コード 4.3|枝刈りの速度計測|[pruning_benchmark.ipynb](https://github.com/joisino/speedbook/blob/main/notebooks/pruning_benchmark.ipynb)|[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/joisino/speedbook/blob/main/notebooks/pruning_benchmark.ipynb)|
|コード 5.1|ResNext121 から ResNet18 への蒸留|[distillation.ipynb](https://github.com/joisino/speedbook/blob/main/notebooks/distillation.ipynb)|[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/joisino/speedbook/blob/main/notebooks/distillation.ipynb)|
|図 6.3|顔写真データの低ランク性|[lowrankface.ipynb](https://github.com/joisino/speedbook/blob/main/notebooks/lowrankface.ipynb)|[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/joisino/speedbook/blob/main/notebooks/lowrankface.ipynb)|
|コード 6.1|畳み込み層の低ランク近似|[lowrank.ipynb](https://github.com/joisino/speedbook/blob/main/notebooks/lowrank.ipynb)|[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/joisino/speedbook/blob/main/notebooks/lowrank.ipynb)|
|コード 6.2|ランダム特徴量|[random_features.ipynb](https://github.com/joisino/speedbook/blob/main/notebooks/random_features.ipynb)|[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/joisino/speedbook/blob/main/notebooks/random_features.ipynb)|
|コード 6.3|正値直交ランダム特徴量による高速注意 (FAVOR+)|[favor.ipynb](https://github.com/joisino/speedbook/blob/main/notebooks/favor.ipynb)|[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/joisino/speedbook/blob/main/notebooks/favor.ipynb)|
|コード 8.1|プロファイリング|[profile.ipynb](https://github.com/joisino/speedbook/blob/main/notebooks/profile.ipynb)|[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/joisino/speedbook/blob/main/notebooks/profile.ipynb)|

※ノートブック作成にあたり再実行したので書籍の結果とわずかに異なる場合があります。ご了承ください。

# 正誤表

本書の正誤情報は[正誤表](https://github.com/joisino/speedbook/blob/main/errata.md)にて公開しています。