دانلود مقاله

توضیحات محصول

تعداد صفحات فایل انگلیسی:10 صفحه pdf

تعداد صفحات فایل ترجمه :21 صفحه word فونت 12 B Nazanin

نکته اصلی: شبکه‌های عصبی کوچک زیبا هستند:

ممکن سازی سیستم های تعبیه شده با ساختارهای شبکه عصبی عمیق کوچک

چکیده

در طول پنج سال گذشته، شبکه های عصبی عمیق راه حل های دقیق تری برای بسیاری از مسائل در تشخیص گفتار و دیدگاه کامپیوتری ارائه کرده اند و این راه حل ها از آستانه مقبولیت بسیاری از کاربردها پیشی گرفته اند. در نتیجه، شبکه های عصبی عمیق روش های دیگری را برای حل مسائل در این زمینه ها جایگزین کرده و بسیاری از کاربردهای جدید را ممکن ساخته اند. در حالی که طراحی شبکه‌های عصبی عمیق هنوز یک شکل هنری است، در این کار، ما اصول اولیه کاوش فضای طراحی را یافته ایم که برای توسعه ساختارهای ریزپردازنده تعبیه شده به منظور قابلیت کاربرد زیاد در طراحی ساختارهای شبکه عصبی عمیق استفاده شده است. به طور خاص، ما از این اصول طراحی برای ایجاد یک شبکه عصبی عمیق جدید به نام SqueezeNet استفاده کرده ایم که تنها به 480KB برای پارامترهای مدل خود نیاز دارد. ما در ادامه همه این تجربیات را برای توسعه چیزی با ویژگی‌های یک playbook برای ایجاد شبکه‌های عصبی عمیق کوچک برای سیستم های تعبیه شده، ادغام کرده ایم.

Keynote: Small Neural Nets Are Beautiful:
Enabling Embedded Systems with Small Deep-NeuralNetwork
Architectures

Forrest Iandola and Kurt Keutzer

Abstract

Over the last five years Deep Neural Nets have offered more accurate solutions to many problems in speech recognition, and Computer vision, and these solutions have surpassed a threshold of acceptability for many applications. As a result, Deep Neural networks have supplanted other approaches to solving problems in these areas, and enabled many new applications. While the design of Deep Neural Nets is still something of an art form, in our work we have found basic principles of design space exploration used to Develop embedded microprocessor architectures to be highly applicable to the design of Deep Neural Net architectures. In particular, we have used these design principles to create a novel deep Neural Net called SqueezeNet that requires only 480KB of storage for its model parameters. We have further integrated all these experiences to develop something of a playbook for creating small Deep Neural Nets for embedded systems.

چکیده

در طول پنج سال گذشته، شبکه های عصبی عمیق راه حل های دقیق تری برای بسیاری از مسائل در تشخیص گفتار و دیدگاه کامپیوتری ارائه کرده اند و این راه حل ها از آستانه مقبولیت بسیاری از کاربردها پیشی گرفته اند. در نتیجه، شبکه های عصبی عمیق روش های دیگری را برای حل مسائل در این زمینه ها جایگزین کرده و بسیاری از کاربردهای جدید را ممکن ساخته اند. در حالی که طراحی شبکه‌های عصبی عمیق هنوز یک شکل هنری است، در این کار، ما اصول اولیه کاوش فضای طراحی را یافته ایم که برای توسعه ساختارهای ریزپردازنده تعبیه شده به منظور قابلیت کاربرد زیاد در طراحی ساختارهای شبکه عصبی عمیق استفاده شده است. به طور خاص، ما از این اصول طراحی برای ایجاد یک شبکه عصبی عمیق جدید به نام SqueezeNet استفاده کرده ایم که تنها به 480KB برای پارامترهای مدل خود نیاز دارد. ما در ادامه همه این تجربیات را برای توسعه چیزی با ویژگی‌های یک playbook برای ایجاد شبکه‌های عصبی عمیق کوچک برای سیستم های تعبیه شده، ادغام کرده ایم.

دانلود رایگان مقاله انگلیسی :

دانلود مقاله انگلیسی

نظری بدهید

14 − 5 =