《表2 失水量空白对照表:深度学习模型终端环境自适应方法研究》
(2)压缩评估模型的构建.深度学习模型每一层、每个计算单元的硬件资源消耗,特别是压缩后所形成的新模型的资源消耗,在部署前很难进行实际测量.因此,需要一个较为精确的资源消耗评估模型以对模型的压缩比提供指导.因为深度学习模型与硬件设备都具有异构性,如何构建一个评估模型,在不同硬件设备上对各种深度学习模型都有良好的评估效果存在极大挑战.这方面密歇根大学(The University of Michigan)的Kang等已经做了初步成果,Neurosurgeon[18]提出通过高斯回归评估模型的资源消耗,但是其只考虑了在固定硬件设备上进行评估.
图表编号 | XD00204792900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.20 |
作者 | 郭斌、仵允港、王虹力、王豪、刘思聪、刘佳琪、於志文、周兴社 |
绘制单位 | 西北工业大学计算机学院、西北工业大学计算机学院、西北工业大学计算机学院、西北工业大学计算机学院、西北工业大学计算机学院、西北工业大学计算机学院、西北工业大学计算机学院、西北工业大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |