韩松博士毕业论文(精简总结)

韩松博士的毕业论文主要聚焦于深度学习的压缩和硬件优化。他提出Deep Compression通过修剪、量化和哈夫曼编码来大幅压缩神经网络权重。DSD是一种新的密集-稀疏-密集训练方法,提升网络准确性。EIE是在压缩模型基础上的硬件加速器,实现了在资源受限的嵌入式系统中高效运行。研究动机在于解决神经网络在硬件资源有限的设备上的部署难题,通过算法与硬件协同设计,简化模型并定制硬件,最终在性能和能耗上远超CPU、GPU和移动GPU。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 

 

 

 

论文由三部分构成,也是韩松在博士期间的工作,相关论文与解析见下面:

  1. Deep Compression: Compressing Deep Neural Networks with Pruning, Trained Quantization and Huffman coding。   从软件端极大的压缩网络的权重,                                                                                                                              
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值