TinyTNAS：无GPU、时间限制、硬件感知的神经架构搜索用于TinyML时间序列分类
原文中文，约300字，阅读约需1分钟。发表于：。本研究提出了TinyTNAS，一种专门为TinyML时间序列分类设计的硬件感知多目标神经架构搜索工具，解决了传统方法对GPU依赖的问题。它允许用户在给定的内存、FLASH和MAC操作限制内，快速找到最佳网络架构，并在10分钟内完成搜索，同时在RAM、FLASH和MAC的使用上均显著降低。TinyTNAS展示了在资源受限环境中优化神经网络架构的能力，确保了高效能与性能。
本研究提出了TinyTNAS，一种专门为TinyML时间序列分类设计的硬件感知多目标神经架构搜索工具，解决了传统方法对GPU依赖的问题。它允许用户在给定的资源限制内快速找到最佳网络架构，并在10分钟内完成搜索，同时在RAM、FLASH和MAC的使用上均显著降低。TinyTNAS展示了在资源受限环境中优化神经网络架构的能力，确保了高效能与性能。
