
Ein Algorithmus-System-Co-Design-Rahmenwerk ermöglicht das erste praktische Auf-Gerät-Training von Convolutional Neural Networks auf Mikrocontrollern mit nur 256KB Arbeitsspeicher, ohne zusätzlichen externen Speicher zu benötigen.


coremsg

effizientes-training-von-convolutional-neural-networks-auf-mikrocontrollern-mit-nur-256kb-arbeitsspeicher


Effizientes Training von Convolutional Neural Networks auf Mikrocontrollern mit nur 256KB Arbeitsspeicher


title_rewrite


Durch die Verkleinerung von Deep-Learning-Modellen auf Milliarden von IoT-Geräten und Mikrocontrollern erweitern wir den Anwendungsbereich von KI-Anwendungen und ermöglichen allgegenwärtige Intelligenz. Um dies zu erreichen, müssen wir den Algorithmus und den Systemstapel gemeinsam optimieren.


winziges-maschinelles-lernen-fortschritte-und-zukunft


Winziges maschinelles Lernen: Fortschritte und Zukunft
