Свежие результаты: Преобразование нейронных сетей в логические потоки для периферийных вычислений
Изображение создано Gemini AI
Исследователи разработали метод, позволяющий улучшить производительность нейронных сетей на процессорах с ограниченными ресурсами, преобразуя их в деревья решений и логические схемы. Этот подход позволяет сократить задержку до 14,9% на смоделированном процессоре RISC-V, сохраняя при этом точность. Код доступен для общего пользования по адресу: https://github.com/TUDa-HWAI/NN2Logic.
Нейронные сети преобразованы в логические потоки для повышения эффективности вычислений на краевых устройствах
Недавние исследования выявили новый подход к оптимизации нейронных сетей для устройств с ограниченными ресурсами, в первую очередь использующих центральные процессоры (ЦП). Преобразуя нейронные сети в логические потоки, исследователи достигли значительного снижения задержки при сохранении точности.
В исследовании предлагается метод, при котором нейронные сети преобразуются в эквивалентные деревья решений. Из этих деревьев решений пути с постоянными листьями сжимаются в логические потоки. Это позволяет более эффективно выполнять операции на ЦП.
Экспериментальные результаты показывают, что этот подход может снизить задержку на 14,9% на смоделированном ЦП RISC-V без потери точности. Код для этого процесса преобразования доступен на GitHub по адресу https://github.com/TUDa-HWAI/NN2Logic.
Связанные темы:
📰 Первоисточник: https://arxiv.org/abs/2601.22151v1
Все права и авторство принадлежат первоначальному издателю.