Higher accuracy on vision models with EfficientNet-Lite
قبلا پست هایی در مورد شبکه efficientnet در کانال گذاشته شد. مثلا پیاده سازی کراس در اینجا، مقاله و سورس رسمی مقاله در تنسرفلو در اینجا، چورت پروژه در pytorch در اینجا، و مقاله مرتبطی در اینجا با TPU های تنسرفلو دیدیم.
امروز نسخه سبک تر و مناسب موبایل این شبکه در تنسرفلو منتشر شد.
Check out EfficientNet-Lite, a new family of vision models that is optimized for mobile inference using TensorFlow Lite.
Higher accuracy on vision models with EfficientNet-Lite
قبلا پست هایی در مورد شبکه efficientnet در کانال گذاشته شد. مثلا پیاده سازی کراس در اینجا، مقاله و سورس رسمی مقاله در تنسرفلو در اینجا، چورت پروژه در pytorch در اینجا، و مقاله مرتبطی در اینجا با TPU های تنسرفلو دیدیم.
امروز نسخه سبک تر و مناسب موبایل این شبکه در تنسرفلو منتشر شد.
Check out EfficientNet-Lite, a new family of vision models that is optimized for mobile inference using TensorFlow Lite.
Mr. Durov launched Telegram in late 2013 with his brother, Nikolai, just months before he was pushed out of VK, the Russian social-media platform he founded. Mr. Durov pitched his new app—funded with the proceeds from the VK sale—less as a business than as a way for people to send messages while avoiding government surveillance and censorship.
Why Telegram?
Telegram has no known backdoors and, even though it is come in for criticism for using proprietary encryption methods instead of open-source ones, those have yet to be compromised. While no messaging app can guarantee a 100% impermeable defense against determined attackers, Telegram is vulnerabilities are few and either theoretical or based on spoof files fooling users into actively enabling an attack.
