深度学习论文: MCUNet: Tiny Deep Learning on IoT Devices及其PyTorch实现
发布时间
阅读量：
阅读量
深度学习论文: MCUNet: Miniature Deep Learning on IoT Devices及其PyTorch实现
论文标题: MCUNet: Miniature Deep Learning on IoT Devices
下载地址: https://arxiv.org/pdf/2007.10319.pdf
PyTorch实现: https://github.com/shanglianlm0525/CvPytorch
详细代码资源: https://github.com/shanglianlm0525/PyTorch-Networks
1 概述
MCUNet是一种专为物联网（IoT）设备设计的模型方案，在此基础上通过整合优化NAS和Engine来构建高效的计算架构。该方案实现了该模型在低功耗嵌入式处理器上的高效运行，并且具备较高的计算精度。
2 MCUNet
相比于传统方案，MCUNet联合设计方案可以更好的利用微处理器的资源。
2-1 TinyNAS: Two-Stage NAS for Tiny Memory
TinyNAS采用了两阶段的网络架构设计，在第一个阶段优化搜索空间以满足资源限制，在第二个阶段执行网络架构搜索。该系统能够在较低的计算开销下灵活应对各种约束条件（如设备性能、数据传输延迟、能源消耗和内存容量等）。
2-2 TinyEngine: Memory-Efficient Inference Library
TinyEngine是一种内存效率极高的推理引擎。其采用整体网络架构并结合内存优化机制，在不依赖传统层状结构的前提下实现了显著的性能提升。该引擎能够将内存占用降低至原来的2.7倍，并通过智能算法进一步提高了处理速度，在实际应用中可实现1.7至3.3倍的速度提升（相较于当前主流框架的表现）。
3 Experimental
全部评论 (0)
还没有任何评论哟~