5种小型设备上深度学习推理的高效算法.zip
5种小型设备上深度学习推理的高效算法.md 移动电话等小型边缘设备上实现的嵌入式系统的深度学习应用的部署、训练和运用越发变得困难，因为运算速度和资源利用（存储、传输）受到硬件限制。 由此提出有效地进行推理的最先进算法：修剪神经网络，深度压缩，数据量化，低阶近似，训练三元量化。本.md笔记做了消化整理和标签标注，加注按字和粗体及下划线，其余忠实原文，个别适应结构调整有断行。 过程主要有：剪枝和重训练网络，修剪和再训练。很多细节不能一一罗列，需要下沉阅读。 附博客摘记也如法做了整理： 剪枝算法：有效神经网络的权值和连接学习 附论文： 学习有效神经网络的权值和连接（Learning
文件列表
5种小型设备上深度学习推理的高效算法.zip
(预估有个7文件)
5种小型设备上深度学习推理的高效算法
fpga16-cnn 清华大学CNN研究人员的论文《CNN的嵌入式FPGA平台的深入研究（Going Deeper with Embedded FPGA Platform for CNN）》.txt
57KB
fpga16-cnn 清华大学CNN研究人员的论文《CNN的嵌入式FPGA平台的深入研究（Going Deeper with Embedded FPGA Platform for CNN）》.pdf
8.19MB
5种小型设备上深度学习推理的高效算法.md
30KB
学习有效神经网络的权值和连接（Learning both Weights and Connections for Efficient Neural Networks）.pdf
1.21MB
1411.4229 微软（亚洲）研究院关于对非线性卷积网络的高效精确近似值的论文《Efficient and Accurate Approximations of Nonlinear Convolutional Networks》.txt
36KB
学习有效神经网络的权值和连接（Learning both Weights and Connections for Efficient Neural Networks）.txt
3KB
1411.4229 微软（亚洲）研究院关于对非线性卷积网络的高效精确近似值的论文《Efficient and Accurate Approximations of Nonlinear Convolutional Networks》.pdf
1.01MB
暂无评论