PulseAugur
中
实时 08:52:51
English(EN) Joint Optimization of Memory and Computing Frequency for Energy-Efficient DNN Inference

新方法优化移动设备上DNN推理的能效

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新方法，用于优化移动设备上深度神经网络（DNN）推理的能效。该方法联合优化计算和内存频率以及通信资源，以在遵守截止日期约束的同时最大限度地降低能耗。对于本地推理，使用凸优化推导出了一个近乎最优的闭式解，实现了接近最优解2.5%的性能，与现有方法相比，能耗降低了高达10.4%。 AI

影响 这项研究可能带来更节能的移动设备AI应用，延长电池寿命，并实现更复杂的设备端处理。

排序理由 该集群包含一篇详细介绍DNN推理优化新方法的学术论文。[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 →

新方法优化移动设备上DNN推理的能效

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yunchu Han, Zhaojun Nan, Sheng Zhou, Zhisheng Niu ·

    面向能效的深度神经网络推理中内存与计算频率的联合优化

    arXiv:2608.13863v1 Announce Type: new Abstract: Deep neural network (DNN) inference on mobile devices often incurs high latency and energy consumption due to limited computing and memory resources. To enable energy-efficient DNN inference, most existing studies focus on dynamic v…

相关实体

相关话题