Zobrazeno 1 - 10
of 152
pro vyhledávání: '"Hoffman, Alexander P."'
Autor:
Sah, Sudhakar, Ganji, Darshan C., Grimaldi, Matteo, Kumar, Ravish, Hoffman, Alexander, Rohmetra, Honnesh, Saboori, Ehsan
We introduce MCUBench, a benchmark featuring over 100 YOLO-based object detection models evaluated on the VOC dataset across seven different MCUs. This benchmark provides detailed data on average precision, latency, RAM, and Flash usage for various i
Externí odkaz:
http://arxiv.org/abs/2409.18866
Autor:
AskariHemmat, MohammadHossein, Jeddi, Ahmadreza, Hemmat, Reyhane Askari, Lazarevich, Ivan, Hoffman, Alexander, Sah, Sudhakar, Saboori, Ehsan, Savaria, Yvon, David, Jean-Pierre
Quantization lowers memory usage, computational requirements, and latency by utilizing fewer bits to represent model weights and activations. In this work, we investigate the generalization properties of quantized neural networks, a characteristic th
Externí odkaz:
http://arxiv.org/abs/2404.11769
Autor:
Ashfaq, Saad, Hoffman, Alexander, Mitra, Saptarshi, Sah, Sudhakar, AskariHemmat, MohammadHossein, Saboori, Ehsan
The proliferation of edge devices has unlocked unprecedented opportunities for deep learning model deployment in computer vision applications. However, these complex models require considerable power, memory and compute resources that are typically n
Externí odkaz:
http://arxiv.org/abs/2309.10878
Autor:
Ganji, Darshan C., Ashfaq, Saad, Saboori, Ehsan, Sah, Sudhakar, Mitra, Saptarshi, AskariHemmat, MohammadHossein, Hoffman, Alexander, Hassanien, Ahmed, Léonardon, Mathieu
A lot of recent progress has been made in ultra low-bit quantization, promising significant improvements in latency, memory footprint and energy consumption on edge devices. Quantization methods such as Learned Step Size Quantization can achieve mode
Externí odkaz:
http://arxiv.org/abs/2304.09049
Autor:
Ashfaq, Saad, AskariHemmat, MohammadHossein, Sah, Sudhakar, Saboori, Ehsan, Mastropietro, Olivier, Hoffman, Alexander
Deep Learning has been one of the most disruptive technological advancements in recent times. The high performance of deep learning models comes at the expense of high computational, storage and power requirements. Sensing the immediate need for acce
Externí odkaz:
http://arxiv.org/abs/2207.08820
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.