剪枝后语义分割网络在嵌入式 GPU 上的能耗分析
神经与进化计算
2022-12-13 v1
摘要
深度神经网络在许多计算机视觉任务中处于最先进水平。它们在自动驾驶场景下的部署尤为引人关注，因为其在能耗方面的限制禁止使用通常能达到最佳性能的超大型网络。一种在不牺牲精度的情况下降低这些架构复杂度的常用方法是依赖剪枝，即剔除最不重要的部分。相关文献众多，但有趣的是，极少有工作实测了剪枝对能耗的实际影响。在本工作中，我们关注于在自动驾驶语义分割这一具体背景下，使用 Cityscapes 数据集来测量该影响。为此，我们分析了近期提出的结构化剪枝方法在训练后架构部署于 Jetson Xavier 嵌入式 GPU 上的影响。
引用
@article{arxiv.2206.06255,
title = {Energy Consumption Analysis of pruned Semantic Segmentation Networks on an Embedded GPU},
author = {Hugo Tessier and Vincent Gripon and Mathieu Léonardon and Matthieu Arzel and David Bertrand and Thomas Hannagan},
journal= {arXiv preprint arXiv:2206.06255},
year = {2022}
}
备注
10 pages, 3 figures, submitted to SysInt 2022