关键词hardware configurations
搜索结果 - 2
- 可配置的学习全息学
我们的研究引入了一种可配置的学习模型,通过与现有全息显示的预定义硬件参数相匹配,从 RGB 2D 图像交互地计算 3D 全息图,并实现了与不同硬件配置一致且高质量的生成,同时通过学生 - 教师学习策略实现了 2 倍速度的改进。
- 面向计算内存硬件的深度神经网络架构和配置的联合优化
使用 CiMNet 框架,通过同时搜索最优子网络和硬件配置来创建下游任务准确性和执行指标(如延迟)的帕累托最优前沿,该框架对于 CNN 和 Transformer 系列的不同模型结构都展现了显著的效果。