中文 英语

标签:修剪

卷积神经网络:硬件架构与压缩算法的协同设计
通过技术文件链接- 2022年9月7日-评论:0

崇实大学(韩国)的研究人员发表了“高效卷积神经网络和硬件加速的调查”。摘要:“在过去的十年中，基于深度学习的表示在学术界和工业界表现出了卓越的表现。卷积神经网络(cnn)的学习能力源于各种特征提取的结合。»阅读更多

在能量收集设备上配置DNN模型的软硬件协同设计
通过技术文件链接- 2022年7月20日-意见:0

德州大学圣安东尼奥分校、康涅狄格大学和里海大学的研究人员发表了题为“EVE:低功耗能量收集系统的环境自适应神经网络模型”的新技术论文。根据摘要:“本文提出了EVE，一种自动机器学习(autoML)共同探索框架，用于为……搜索具有共享权重的所需多模型。»阅读更多

面向ADAS实时部署的多任务网络剪枝与嵌入式优化
通过技术文件链接- 2022年2月15日-评论:0

摘要:“基于摄像头的深度学习算法越来越多地用于自动驾驶系统的感知。然而，来自汽车行业的限制，通过将有限的计算资源强加于嵌入式系统，挑战了cnn的部署。在本文中，我们提出了一种将多任务CNN网络嵌入到商业样机上的方法。»阅读更多

人工智能推理加速
通过埃德·斯珀林- 2020年9月14日-评论:0

Flex Logix的首席执行官Geoff Tate谈到了选择AI推断加速器时的考虑因素，如何与芯片上的其他处理元素相适应，减少延迟涉及哪些权衡，以及哪些考虑因素是最重要的。»阅读更多

编译和优化神经网络
通过布来安梅奥- 2020年9月10日-评论:0

边缘推理引擎通常运行一个精简的实时引擎，该引擎解释神经网络模型，在运行时调用内核。但是，只要用例允许，可以通过预编译模型并直接运行它来获得更高的性能，而不需要解释。在编译时，优化是可能的，而在解释时是不可用的。通过量化au…»阅读更多

AI设计的巨大变化
通过埃德·斯珀林和苏珊·兰博- 2020年8月6日-评论:0

《半导体工程》与Rambus企业解决方案技术副总裁、杰出发明家Steven Woo坐下来讨论了人工智能及其走向边缘的问题;Maxim Integrated执行董事Kris Ardis;Arm产品学习组副总裁Steve Roddy;Flex Logix推理技术营销经理Vinay Mehta。以下是摘录的…»阅读更多

构建AI soc
通过埃德·斯珀林- 2018年10月25日-评论:0

Synopsys的战略营销经理罗恩·洛曼(Ron Lowman)研究了人工智能的应用领域，以及在算法处于几乎不断变化的状态下如何开发芯片。这包括移动到边缘和数据中心，算法如何被压缩，以及使用什么技术来加快这些芯片的速度和降低功耗。https://youtu.be/d32jtdFwpcE…»阅读更多

  • 赞助商

关于

导航

与我们联系

版权所有©2013-2022 SMG |服务条款|隐私政策
Baidu