Computational complexity reduction of deep neural networks

要約

ディープ ニューラル ネットワーク (DNN) は広く使用されており、コンピューター ビジョンと自律ナビゲーションの分野で主要な役割を果たしています。
ただし、これらの DNN は計算が複雑であり、リソースに制約のあるプラットフォームへの展開は、追加の最適化とカスタマイズなしでは困難です。
この原稿では、DNN アーキテクチャの概要について説明し、計算リソースの少ないエッジ コンピューティング プラットフォームに合わせてトレーニングと推論の速度を加速するために、計算の複雑さを軽減する方法を提案します。

要約(オリジナル)

Deep neural networks (DNN) have been widely used and play a major role in the field of computer vision and autonomous navigation. However, these DNNs are computationally complex and their deployment over resource-constrained platforms is difficult without additional optimizations and customization. In this manuscript, we describe an overview of DNN architecture and propose methods to reduce computational complexity in order to accelerate training and inference speeds to fit them on edge computing platforms with low computational resources.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google