PulseAugur
中
实时 07:16:07
English(EN) Edge Physical AI Deployment of Vision Transformers on Heterogeneous Edge GPU Targeting Autonomous Vehicles

新的H-FraDS方法优化了自动驾驶汽车中边缘GPU的视觉Transformer

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的硬件感知调度方法，称为异构帧调度（H-FraDS），以优化视觉Transformer在自动驾驶汽车异构边缘GPU上的部署。该方法通过在GPU和DLA核心之间路由帧来解决硬件利用率和加速器不兼容算子方面的限制。适应后的模型保持了高F1分数，而H-FraDS均衡调度配置实现了显著的加速，满足了实时运行的要求。 AI

影响 这项研究可能导致自动驾驶汽车中更高效的AI处理，从而以更低的功耗实现实时性能。

排序理由 学术论文，详细介绍了在边缘硬件上优化AI模型部署的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的H-FraDS方法优化了自动驾驶汽车中边缘GPU的视觉Transformer

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Ashiyana Abdul Majeed, Mahmoud Meribout, Neethu Joseph, Abel Kidane Haile, Mohammad Abdullah Al Faruque ·

    Edge Physical AI Deployment of Vision Transformers on Heterogeneous Edge GPU Targeting Autonomous Vehicles

    arXiv:2607.10942v1 Announce Type: cross Abstract: Physical AI systems, such as autonomous vehicles and intelligent machines, require transformer-based perception models that satisfy stringent edge latency and energy constraints. However, heterogeneous edge-GPU deployment remains …

相关实体

相关话题