RepCNN:用于唤醒词检测的微型强大模型
原文英文,约200词,阅读约需1分钟。发表于: 。Always-on machine learning models require a very low memory and compute footprint. Their restricted parameter count limits the model’s capacity to learn, and the effectiveness of the usual...
本文介绍了一种新的机器学习模型,通过重构计算为冗余多分支架构,训练小型卷积模型,并通过重新参数化转换为单分支形式,降低内存占用和计算成本。作者展示了唤醒词检测模型RepCNN在推理过程中在延迟和准确性之间提供了良好的平衡。RepCNN重新参数化模型的准确性比单分支卷积模型高43%,同时运行时间相同。与复杂架构相比,RepCNN达到相同准确性,内存使用量低2倍,运行时间快10倍。