convolution layers | BriefGPT

关键词convolution layers

搜索结果 - 7

ICMLLayerMerge: 神经网络深度压缩通过层修剪和合并
通过共同修剪卷积层和激活函数来提高卷积神经网络的效率，并实现所需的推理加速度，同时尽量减少性能损失。
PDF14 days ago
仅使用卷积是否能生成逼真的手部形象？
通过在卷积层中引入单一输入通道，加入与相对 $n$ 维笛卡尔坐标系相关的信息，我们展示了如何改进生成对抗网络（GAN）和变分自动编码器（VAE）生成的手部和面部图像的质量。
PDF6 months ago
神经架构搜索基准是否设计良好？深入探讨操作的重要性
本文通过对 NAS-Benchmark 的分析，证明了通过直接在 NAS-Bench-201，ImageNet16-120 和 TransNAS-Bench-101 上搜索可以产生更可靠的结果，找到了卷积层对体系结构性能的影响，为评估和比较
PDFa year ago
ICLR奇幻四侠：卷积层奇异值的可微界限
本论文提出通过四个可导且计算速度高的界来计算二维卷积层的谱范数并将四个界的最小值作为卷积层谱范数的紧致可导下界，在 MNIST 和 CIFAR-10 上实验并证明其有效提高了深度网络的泛化性和鲁棒性。
PDF5 years ago
ICML高性能零内存开销直接卷积
本篇论文研究并证明了，当直接卷积实现正确时，消除了所有的内存开销，且效率在传统和嵌入式 CPU 架构上比现有的高性能卷积实现提高了 10% 到 400% 不等，并可以更好地扩展性能，即增加线程数时的性能下降更少。
PDF6 years ago
基于 SIMD 架构的高性能深度学习卷积解剖学
本文介绍了针对 x86 体系结构的直接卷积核和动态编译方法实现的 JIT 优化内核，该内核可在多节点下高效执行最新的图像识别任务，使单机和多节点运行时高效地通过 CPU 执行任务的高吞吐量。
PDF6 years ago
Flex-Convolution （百万级点云学习：超越网格世界）
本文介绍了一种新型灵活卷积方法，及其 GPU 实现，以适应不规则的 3D 点云数据，并在百万级数据集上获得了显著提升。该方法具有较小的参数和存储需求，是首个能同时处理 700 万个点的有效方法。
PDF6 years ago