在低功耗CNN加速器设备上使用超级字符法的多模态情感分析
计算与语言
2020-01-29 v1
摘要
近年来，NLP研究见证了DNN模型打破纪录的准确率提升。然而，功耗是部署NLP系统的实际关切之一。当前大多数SOTA算法在GPU上实现，其功耗效率不高且部署成本也很高。另一方面，CNN领域专用加速器（CNN-DSA）已量产，提供低功耗低成本的计算能力。在本文中，我们将在CNN-DSA上实现超级字符（Super Characters）法。此外，我们改进超级字符法以利用多模态数据，即CL-Aff共享任务中的文本加表格数据。
引用
@article{arxiv.2001.10179,
title = {Multi-modal Sentiment Analysis using Super Characters Method on Low-power CNN Accelerator Device},
author = {Baohua Sun and Lin Yang and Hao Sha and Michael Lin},
journal= {arXiv preprint arXiv:2001.10179},
year = {2020}
}
备注
9 pages, 2 figures, 6 tables. Accepted by AAAI 2020 Affective Content Analysis Workshop