EVE：面向低功耗能量收集系统的环境自适应神经网络模型
机器学习
2022-09-28 v2 硬件体系结构
摘要
物联网设备正日益采用神经网络模型以实现智能应用。从周围环境收集能量的能量收集（EH）技术，因维护成本低且能量源广泛可用，是为这些设备供电以替代电池的颇具前景的方案。然而，能量收集器所提供的功率较低，且具有随环境变化而不稳定的固有缺陷。本文提出 EVE，一种自动化机器学习（autoML）协同探索框架，用于为能量收集物联网设备搜索具有共享权重的所需多模型。这些共享模型以不同的模型稀疏度、延迟和精度水平显著减小内存占用，从而适应环境变化。进一步开发了高效片上实现架构以在设备上高效执行各模型。提出一种运行时模型提取算法，可在特定模型模式被触发时以可忽略开销检索出单个模型。实验结果表明，EVE 生成的神经网络模型平均比无剪枝与无共享权重的基线模型快 2.5 倍。
引用
@article{arxiv.2207.09258,
title = {EVE: Environmental Adaptive Neural Network Models for Low-power Energy Harvesting System},
author = {Sahidul Islam and Shanglin Zhou and Ran Ran and Yufang Jin and Wujie Wen and Caiwen Ding and Mimi Xie},
journal= {arXiv preprint arXiv:2207.09258},
year = {2022}
}