問題タブ [inference-engine]

3 種類のルールを推論する推論ファジー エンジンを作成したいと考えています。

• きびきびとしたルール。
• あいまいなルール。
• 明確な事実とあいまいな事実の両方を含むハイブリッド ルール。

各ルールには、仮説セット、結論セット、および確実性係数があります。セットの事実では、事実が曖昧な事実である場合、ある程度の真実があります。

クリスプ ルールとファジー ルールを推論するチュートリアルがありますが、ハイブリッド ルールを推論するにはどうすればよいですか?

Neo4j でセマンティック グラフを作成しました。Neo4jでOWL推論を使用する可能性はありますか? それとも推論エンジン？

ここで言及されていますが、これに対する解決策やAPIが見つかりません。

アドバイスありがとうございます！

TensorRT C++ API でネイティブに記述されたモデル (caffe、tensorflow などの他のフレームワークから解析されていない) で半精度推論を実行しようとしています。私の知る限り、この問題の公開された実例はありません。私が見つけた最も近いものは、TensorRT 4.0.0.3でリリースされた sampleMLP サンプル コードですが、リリース ノートには fp16 のサポートはないと書かれています。

私のおもちゃのサンプル コードは、このリポジトリにあります。これには、API で実装されたアーキテクチャと推論ルーチンに加えて、トレーニング済みの重みの辞書を wtd TensorRT 形式に変換するために使用する Python スクリプトが含まれています。

私のおもちゃのアーキテクチャは、1 つの畳み込みだけで構成されています。目標は、fp32 と fp16 の間で同様の結果を得ることですが、妥当な精度の損失を除きます。コードは fp32 で動作するようですが、fp16 推論の場合に得られるのは、まったく異なる桁数 (~1e40) の値です。変換中に何か間違ったことをしているようです。

問題を理解するための助けをいただければ幸いです。

ありがとう、

へ

すべての推論は CPU 上で実行される予定です。システム カフェにフォールバックするレイヤーを指定すると、モデルが IR に正常に統合されました。ただし、cpp コードをどのようにコーディングおよびコンパイルして、ユーザー フォールバック レイヤーに移動するか、および libcaffe の場所を知らせる必要があります。