动态提前退出预测编码神经网络

原文约200字，阅读约需1分钟。发表于：。

借鉴人脑的高效率和低功耗，本文提出了一种基于预测编码理论和动态提前终止的浅双向网络，以加入硬件有限资源在设计过程中，实现在 CIFAR-10 图像分类上与 VGG-16 相当准确率的结果，使用更少的参数和较低的计算复杂度。

本文调查了低功耗和高能效的深度神经网络的最新进展，提高了可部署性而不牺牲准确性。技术分为神经网络压缩、网络架构搜索和设计、编译器和图优化三类。调查了卷积和变换器深度神经网络的低功耗技术，并总结了其优点、缺点和研究中的问题。