hardware-aware | BriefGPT - AI 论文速递

关键词hardware-aware

搜索结果 - 6

ICCV实时语义分割的适应与否问题
HAMLET 是为实时领域自适应设计的硬件感知模块化最低成本训练框架，通过硬件感知反向传播编排代理（HAMT）和专用领域转移检测器实现主动控制模型适应的时间和方式，在单个消费级 GPU 上以超过 29FPS 的速度执行语义分割的同时进行自适
PDFa year ago
一种硬件感知系统，用于加速深度神经网络优化
本文提出了一个自动且高效地从预训练的超网络中找到针对不同性能度量和硬件配置进行优化的子网络的综合系统，在多个领域中与现有最先进的超网络训练方法无缝配合，展示了如何将新颖的搜索策略与演化算法相结合，加速 ResNet50、MobileNetV
PDF2 years ago
MMCHAMP: 一种相干的硬件感知的光子集成神经网络稀疏化方法
本文提出了一种新颖的针对相干光子神经网络的硬件感知幅值剪枝技术，该技术可以剪枝掉网络参数的 99.45％，并将静态功耗降低了 98.23％，同时精度损失可以忽略不计。
PDF3 years ago
硬件适应元学习在 NAS 中用于高效延迟预测的帮助
提出了 Hardware-adaptive Efficient Latency Predictor (HELP) 作为一种基于元学习的硬件自适应延迟预测方法，帮助神经架构搜索确定适用于目标设备的模型，并在延迟限制下提高了基础 NAS 方法的
PDF3 years ago
HAWQV3：二元神经网络量化
HAWQV3 提出了一种新型的混合精度整数量化框架，通过纯整数运算、硬件感知混合精度量化和直接硬件部署方法，实现了模型压缩和量化加速，其中 INT8 量化的准确率比之前的整数方法提高了 2.68％，同时混合精度的 INT4/8 量化可以将
PDF4 years ago
准确性与效率：通过 FPGA-Aware 神经架构搜索实现双赢
本文提出了一种新的硬件感知的神经架构搜索框架，名为 FNAS，使用 Field Programmable Gate Arrays 作为车辆，通过性能抽象模型对神经架构进行快速剪枝，以保证满足实现规范的延迟，并在精度下降少于 1% 的情况下快
PDF5 years ago