PulseAugur
中
实时 07:23:52
English(EN) Threshold-Based Early Stopping of Accumulations in Neural Networks with Binary Activation

二值神经网络通过提前停止实现效率提升

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的二值神经网络提前停止机制，可在不显著损失准确性的情况下大幅降低计算负载。该方法分析神经元内运算的累积情况，在过程早期预测最终输出符号。将其应用于CIFAR-10数据集上的VGG11模型时，该技术消除了最深层卷积中超过86%的累积项，准确率仅下降了0.37个百分点。进一步应用于多个卷积后，整体算术运算减少了25%，准确率下降了1.36个百分点。 AI

影响 该方法有望在资源受限的设备上更有效地部署AI模型。

排序理由 详细介绍一种优化神经网络新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.NE (Neural & Evolutionary) 阅读 →

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

二值神经网络通过提前停止实现效率提升

报道来源 [1]

  1. arXiv cs.NE (Neural & Evolutionary) TIER_1 English(EN) · Jean Pierre David ·

    具有二元激活的神经网络中累积的基于阈值的提前停止

    Binary neural networks are very attractive for constrained deployment, enabling small footprint and low-power inference. For binary activations, the dot products become sign-controlled additions or subtractions, but the number of operations is unchanged. Indeed, every neuron or o…

相关实体

相关话题