Descrição: Este projeto tem como objetivo estudar e aplicar técnicas de treinamento de redes neurais utilizando precisão mista, uma abordagem que combina diferentes formatos numéricos, como float16 e float32, durante o processo de treinamento de modelos de aprendizado profundo. A proposta busca avaliar os ganhos de desempenho e eficiência computacional proporcionados por essa técnica, e o efeito sobre a acurácia final do modelo.
O trabalho envolve o desenvolvimento e comparação de modelos treinados com precisão total e mista, utilizando frameworks como PyTorch, OpenCV, além de explorar ferramentas para facilitar a implementação em precisão mista. Serão realizados experimentos com datasets públicos a fim de medir o tempo de treinamento, consumo de memória GPU e desempenho do modelo.
Objetivos: