BriefGPT - AI 论文速递
·
基于转移学习的高斯 Copula 自动调谐
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种解决自动优化张量程序生成挑战的方法，通过学习联合的神经网络和硬件特征以及基于注意力的方法来剪枝数据集，并应用于张量程序的调整中。该方法可以在不影响准确性的情况下，将数据集缩减高达45％的基线。与不同网络和目标硬件的基线调整时间相比，该方法可以实现与基线相当或更好的平均推断时间，且时间只需要基线调整时间的25％-40％。
🎯
关键要点
- 本文介绍了一种解决自动优化张量程序生成挑战的方法。
- 该方法结合了神经网络和硬件特征，采用基于注意力的方法进行数据集剪枝。
- 在不影响准确性的情况下，数据集可以缩减高达45%的基线。
- 与不同网络和目标硬件的基线调整时间相比，该方法实现了相当或更好的平均推断时间。
- 所需时间仅为基线调整时间的25%-40%。
➡️
