面向能量收集供能设备的基于非均匀压缩多出口神经网络的间歇式推断
机器学习
2020-07-24 v2 机器学习
摘要
本工作旨在通过将轻量级 DNN 部署到能量收集（EH）供能设备上，为 EH 供能设备提供持续的、事件驱动的感知与决策能力。然而，收集的能量通常微弱且不可预测，即便是轻量级 DNN 也需多个电源周期才能完成一次推断。为消除为一次推断积累能量所带来的无限期漫长等待并优化精度，我们开发了一种功率轨迹感知且出口引导的网络压缩算法，以压缩并部署多出口神经网络到 EH 供能的微控制器（MCU），并根据可用能量在执行期间选择出口。实验结果表明，与最先进技术相比，其精度与延迟均更优。
引用
@article{arxiv.2004.11293,
title = {Intermittent Inference with Nonuniformly Compressed Multi-Exit Neural Network for Energy Harvesting Powered Devices},
author = {Yawen Wu and Zhepeng Wang and Zhenge Jia and Yiyu Shi and Jingtong Hu},
journal= {arXiv preprint arXiv:2004.11293},
year = {2020}
}