动态神经网络架构与拓扑适应及相关方法综述
机器学习
2021-08-24 v1 人工智能
摘要
由于架构复杂性和数据集规模的稳步增长，深度神经网络（DNN）的训练和推理导致了减少 DNN 训练和推理时空需求策略的发展，这在训练发生于资源受限计算环境或推理属于时间关键型应用的场景中尤为重要。在本综述中，我们旨在提供减少 DNN 训练和推理时空复杂度的前沿技术（SOTA）的总体概述与分类，特别关注架构适应。
引用
@article{arxiv.2108.10066,
title = {Dynamic Neural Network Architectural and Topological Adaptation and Related Methods -- A Survey},
author = {Lorenz Kummer},
journal= {arXiv preprint arXiv:2108.10066},
year = {2021}
}
备注
12 pages, preprint