用于CNN压缩的权重共享机会快速探索
机器学习
2021-02-03 v1 人工智能
计算机视觉与模式识别
神经与进化计算
摘要
卷积神经网络（CNNs）所涉及的计算工作量通常超出低功耗嵌入式设备的能力范围。有大量近似技术来解决此问题。这些方法具有需使用设计空间探索（DSE）为每个CNN优化的超参数。本工作的目标是证明对于最先进CNN，DSE阶段时间很容易爆炸式增长。因此我们提出使用一种优化的探索过程，在不牺牲输出质量的前提下大幅减少探索时间。
引用
@article{arxiv.2102.01345,
title = {Fast Exploration of Weight Sharing Opportunities for CNN Compression},
author = {Etienne Dupuis and David Novo and Ian O'Connor and Alberto Bosio},
journal= {arXiv preprint arXiv:2102.01345},
year = {2021}
}
备注
Presented at DATE Friday Workshop on System-level Design Methods for Deep Learning on Heterogeneous Architectures (SLOHA 2021) (arXiv:2102.00818)