Đăng nhập
thông tin chi tiết - Tiny deep learning
Effiziente Patch-basierte Inferenz für Tiny Deep Learning auf Mikrocontrollern
Durch eine patch-basierte Inferenz-Planung können wir den Spitzenspeicherverbrauch bestehender Netzwerke um das 4-8-Fache reduzieren, ohne die Genauigkeit zu beeinträchtigen. Durch die gemeinsame Optimierung von Netzwerkarchitektur und Inferenz-Planung erreicht MCUNetV2 einen Rekord an Genauigkeit für Bildklassifizierung und Objekterkennung auf Mikrocontrollern.
メモリ効率的なパッチベースの推論によるTiny Deep Learningの高性能化
パッチベースの推論スケジューリングを提案し、既存のネットワークのピークメモリ使用量を4-8倍削減することで、マイクロコントローラ上での深層学習アプリケーションの実行を可能にする。
Memory-Efficient Patch-based Inference for Tiny Deep Learning on Microcontrollers
Patch-based inference scheduling can significantly reduce the peak memory usage of convolutional neural networks by up to 8x, enabling larger input resolutions and model capacities on microcontrollers.
Giới thiệu
Sản Phẩm | Tài Nguyên
© 2024 by Linnk AI