Risultati dell'Ultimo Minuto: Conversione delle Reti Neurali in Flussi Logici per il Edge Computing
Immagine generata da Gemini AI
I ricercatori hanno sviluppato un metodo per migliorare le prestazioni delle reti neurali su CPU con risorse limitate, convertendole in alberi decisionali e flussi logici. Questo approccio consente di ridurre la latenza fino al 14,9% su una CPU RISC-V simulata, senza compromettere l'accuratezza. Il codice è disponibile per uso pubblico su https://github.com/TUDa-HWAI/NN2Logic.
Reti Neurali Trasformate in Flussi Logici per un'Efficienza Migliorata nel Calcolo Edge
Una ricerca recente rivela un approccio innovativo per ottimizzare le reti neurali per dispositivi edge con risorse limitate, utilizzando principalmente unità di elaborazione centrale (CPU). Convertendo le reti neurali in flussi logici, i ricercatori hanno ottenuto significative riduzioni nella latenza mantenendo la precisione.
Lo studio propone un metodo in cui le reti neurali vengono trasformate in alberi decisionali equivalenti. Da questi alberi decisionali, i percorsi con foglie costanti vengono compressi in flussi logici. Questo consente una esecuzione più efficace sulle CPU.
I risultati sperimentali indicano che questo approccio può ridurre la latenza fino al 14,9% su una CPU RISC-V simulata senza alcun degrado nella precisione. Il codice per questo processo di trasformazione è disponibile su GitHub all'indirizzo https://github.com/TUDa-HWAI/NN2Logic.
Argomenti correlati:
📰 Fonte originale: https://arxiv.org/abs/2601.22151v1
Tutti i diritti e i crediti appartengono all'editore originale.