ترجمه فارسی مقاله SCAN-Edge: پیدا کردن شبکه های هیبریدی با سرعت MobileNet برای دستگاه های لبه متنوع از طریق جستجوی تکاملی آگاه از سخت افزار

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی SCAN-Edge: Finding MobileNet-speed Hybrid Networks for Diverse Edge Devices via Hardware-Aware Evolutionary Search
عنوان مقاله به فارسی SCAN-Edge: پیدا کردن شبکه های هیبریدی با سرعت MobileNet برای دستگاه های لبه متنوع از طریق جستجوی تکاملی آگاه از سخت افزار
نویسندگان Hung-Yueh Chiang, Diana Marculescu
فرمت مقاله انگلیسی PDF
تعداد صفحات 17
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,یادگیری ماشین , هوش مصنوعی ,
توضیحات Submitted 27 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 27 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Designing low-latency and high-efficiency hybrid networks for a variety of low-cost commodity edge devices is both costly and tedious, leading to the adoption of hardware-aware neural architecture search (NAS) for finding optimal architectures. However, unifying NAS for a wide range of edge devices presents challenges due to the variety of hardware designs, supported operations, and compilation optimizations. Existing methods often fix the search space of architecture choices (e.g., activation, convolution, or self-attention) and estimate latency using hardware-agnostic proxies (e.g., FLOPs), which fail to achieve proclaimed latency across various edge devices. To address this issue, we propose SCAN-Edge, a unified NAS framework that jointly searches for self-attention, convolution, and activation to accommodate the wide variety of edge devices, including CPU-, GPU-, and hardware accelerator-based systems. To handle the large search space, SCAN-Edge relies on with a hardware-aware evolutionary algorithm that improves the quality of the search space to accelerate the sampling process. Experiments on large-scale datasets demonstrate that our hybrid networks match the actual MobileNetV2 latency for 224x224 input resolution on various commodity edge devices.

چکیده به فارسی (ترجمه ماشینی)

طراحی شبکه های هیبریدی کم تأخیر و با راندمان بالا برای انواع دستگاههای کم هزینه کالای کم هزینه و خسته کننده است و هم برای یافتن معماری بهینه (NAS) برای یافتن معماری های بهینه منجر به پذیرش معماری عصبی آگاه سخت افزاری (NAS) می شود.با این حال ، متحد کردن NA برای طیف گسترده ای از دستگاه های Edge به دلیل تنوع طرح های سخت افزاری ، عملیات پشتیبانی شده و بهینه سازی های گردآوری ، چالش هایی را ارائه می دهد.روشهای موجود غالباً فضای جستجوی گزینه های معماری (به عنوان مثال ، فعال سازی ، نتیجه گیری یا خودآگاهی) را برطرف می کند و تأخیر را با استفاده از پروکسی های سخت افزاری-آگنوستیک (به عنوان مثال ، FLOPS) برآورد می کند ، که نتوانند به تأخیر اعلام شده در دستگاه های مختلف لبه دست یابند.برای پرداختن به این مسئله ، ما یک چارچوب یکپارچه NAS را که به طور مشترک به جستجوی خود ، Convolution و فعال سازی می پردازد ، پیشنهاد می کنیم تا طیف گسترده ای از دستگاه های لبه ، از جمله سیستم های CPU- ، GPU- و سیستم های مبتنی بر شتاب دهنده را جستجو کنیم.برای رسیدگی به فضای جستجوی بزرگ ، اسکن با یک الگوریتم تکاملی آگاه سخت افزاری که باعث بهبود کیفیت فضای جستجو برای تسریع در فرآیند نمونه برداری می شود ، متکی است.آزمایشات روی مجموعه داده های در مقیاس بزرگ نشان می دهد که شبکه های ترکیبی ما با تأخیر واقعی Mobilenetv2 برای وضوح ورودی 224x224 در دستگاه های مختلف کالایی مطابقت دارند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.