GPU 上二值卷积神经网络的 XNOR 卷积优化
计算机视觉与模式识别
2020-07-29 v1 分布式、并行与集群计算
摘要
与全精度卷积网络相比，二值卷积网络具有更低的计算负载与更小的内存占用。因此，它们是计算机视觉应用在容量受限的嵌入式设备上部署的可行替代方案。一旦在资源约束较少的计算环境中完成训练，它们便可部署于此类设备上进行实时推理。在本研究中，我们通过聚焦于 XNOR 卷积的优化，提出了一种在 GPU 上实现二值卷积网络推理的方法。实验结果表明，使用 GPU 在核大小为 时可提供高达 的加速。该实现已在 https://github.com/metcan/Binary-Convolutional-Neural-Network-Inference-on-GPU 公开可用。
引用
@article{arxiv.2007.14178,
title = {Optimization of XNOR Convolution for Binary Convolutional Neural Networks on GPU},
author = {Mete Can Kaya and Alperen İnci and Alptekin Temizel},
journal= {arXiv preprint arXiv:2007.14178},
year = {2020}
}