用于低维特征图的改进投影学习
机器学习
2022-10-28 v1 计算机视觉与模式识别
摘要
在卷积神经网络 (CNN) 推理过程中，反复将大型特征图移出和移入片上存储器会在能耗和时间方面带来高昂的成本。在本工作中，我们探索了一种改进的方法，将预训练 CNN 的所有特征图压缩至指定限制以下。这是通过端到端微调训练的学习投影来实现的，随后这些投影可以被折叠并融合到预训练网络中。我们还引入了一个新的“上限压缩”框架，鉴于未来完全在片上进行推理的目标，在该框架下评估此类技术。
引用
@article{arxiv.2210.15170,
title = {Improved Projection Learning for Lower Dimensional Feature Maps},
author = {Ilan Price and Jared Tanner},
journal= {arXiv preprint arXiv:2210.15170},
year = {2022}
}