面向边缘设备的轻量神经网络 --报告

黄高 清华大学自动化系助理教授
2020.12.10
在这里插入图片描述
在这里插入图片在这里插入图片描述
描述

在这里插入图片描述

在这里插入图片描述
轻量化的模型
神经网络结构搜索
动态模型

transformer在视觉里面的结构设计

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
右边三个 是 结构搜索出来的模型,更大的搜索空间

NAS四个关键问题

离散搜索问题
在这里插入图片描述
怎样将神经网络结构的设计问题 转换为 搜索问题?
在这里插入图片描述

搜索集定义的很好,即使随便挑一个出来 也能做的非常好~
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
基于可微分的方法进行优化

在这里插入图片描述

动态神经网络的工作

在这里插入图片描述
imageNet

在这里插入图片描述
在这里插入图片描述
大模型到底比小模型好在哪里?
总有一些不典型的照片~
在这里插入图片描述
在这里插入图片描述
正确预测出来 有点挑战, 增加几十层 增加作对这种异常模型的机率。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
空间自适应
在这里插入图片描述
人眼不会在所有的像素上面花费同样的时间,
希望神经网络和人眼一样,不在背景上面花费太多时间

在这里插入图片描述

高效 稀疏的快速计算,其他地方通过快速插值来完成~
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
强化学习

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

猜你喜欢

转载自blog.csdn.net/weixin_41521681/article/details/112000394