BriefGPT - AI 论文速递
·
多硬件约束下增强神经架构搜索以在微型物联网设备上部署深度学习模型
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究提出了一种新的方法，可以在单个标准训练时间内将用户定义的内存和延迟约束融入不同iable NAS优化方法中。该方法在五个物联网相关基准测试中进行了评估，降低了内存和延迟分别达到87.4%和54.2%，同时保证TinyML的最新手动调优深度神经网络的非劣性精度。
🎯
关键要点
- 提出了一种新的方法，将用户定义的内存和延迟约束融入不同的可变NAS优化方法中。
- 该方法在单个标准训练时间内进行评估。
- 评估基于五个物联网相关基准测试，包括MLPerf Tiny套件和Tiny ImageNet。
- 在仅一次搜索中，内存和延迟分别降低了87.4%和54.2%。
- 该方法保证了TinyML最新手动调优深度神经网络的非劣性精度。
➡️
