Zobrazeno 1 - 10
of 61
pro vyhledávání: '"Nurvitadhi, Eriko"'
With the continued growth in field-programmable gate array (FPGA) capacity and their incorporation into new environments such as datacenters, we have witnessed the introduction of a new class of reconfigurable acceleration devices (RADs) that go beyo
Externí odkaz:
http://arxiv.org/abs/2301.04767
Rapid advances in artificial intelligence (AI) technology have led to significant accuracy improvements in a myriad of application domains at the cost of larger and more compute-intensive models. Training such models on massive amounts of data typica
Externí odkaz:
http://arxiv.org/abs/2204.10943
Autor:
Colangelo, Philip, Nasiri, Nasibeh, Mishra, Asit, Nurvitadhi, Eriko, Margala, Martin, Nealis, Kevin
CNNs have been shown to maintain reasonable classification accuracy when quantized to lower precisions. Quantizing to sub 8-bit activations and weights can result in accuracy falling below an acceptable threshold. Techniques exist for closing the acc
Externí odkaz:
http://arxiv.org/abs/1806.11547
For computer vision applications, prior works have shown the efficacy of reducing numeric precision of model parameters (network weights) in deep neural networks. Activation maps, however, occupy a large memory footprint during both the training and
Externí odkaz:
http://arxiv.org/abs/1709.01134
For computer vision applications, prior works have shown the efficacy of reducing the numeric precision of model parameters (network weights) in deep neural networks but also that reducing the precision of activations hurts model accuracy much more t
Externí odkaz:
http://arxiv.org/abs/1704.03079
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
We explore techniques to significantly improve the compute efficiency and performance of Deep Convolution Networks without impacting their accuracy. To improve the compute efficiency, we focus on achieving high accuracy with extremely low-precision (
Externí odkaz:
http://arxiv.org/abs/1610.00324
Autor:
Nurvitadhi, Eriko.
Thesis (M.S.)--Oregon State University, 2005.
Printout. Includes bibliographical references (leaves 31-32). Also available on the World Wide Web.
Printout. Includes bibliographical references (leaves 31-32). Also available on the World Wide Web.
Externí odkaz:
http://hdl.handle.net/1957/11734
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.