Riassunto analitico
Negli ultimi anni, la richiesta di sistemi di visione artificiale efficienti e accurati è aumentata notevolmente, soprattutto nei contesti manifatturieri e industriali dove il riconoscimento rapido di anomalie e il controllo qualità sono essenziali.
Questa tesi magistrale esplora l'applicazione di tecniche di quantizzazione post-training ai Vision Transformers (ViTs), che consistono nella riduzione della precisione numerica dei parametri e delle attivazioni del modello per permettere un'inferenza più rapida senza una significativa perdita di accuratezza.
Sono state esaminate e valutate varie tecniche di quantizzazione post-training, considerando il compromesso tra efficienza computazionale e prestazioni del modello.
Le intuizioni ottenute mirano a permettere la messa in produzione di sistemi di visione artificiale efficienti e precisi.
|