arXiv (Cornell University)· 2016· Ön baskı
SqueezeNet: AlexNet düzeyinde doğruluk, 50 kat daha az parametre ve <0.5MB model boyutuyla
SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <0.5MB model size
- 5.926atıf
- 2016yıl
Kısa özet
SqueezeNet, AlexNet düzeyinde doğruluğu 50 kat daha az parametreyle ve 0.5MB altındaki model boyutuyla elde eder.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- SqueezeNet, ImageNet veri kümesinde AlexNet düzeyinde doğruluk elde eder.
- SqueezeNet mimarisi, AlexNet'ten 50 kat daha az parametreye sahiptir.
- SqueezeNet, 0.5MB'ın altında bir model boyutuna sıkıştırılabilir.
- Daha küçük model boyutu, dağıtık eğitim, model dışa aktarma ve donanım dağıtımında avantajlar sunar.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Recent research on deep neural networks has focused primarily on improving accuracy. For a given accuracy level, it is typically possible to identify multiple DNN architectures that achieve that accuracy level. With equivalent accuracy, smaller DNN architectures offer at least three advantages: (1) Smaller DNNs require less communication across servers during distributed training. (2) Smaller DNNs require less bandwidth to export a new model from the cloud to an autonomous car. (3) Smaller DNNs are more feasible to deploy on FPGAs and other hardware with limited memory. To provide all of these advantages, we propose a small DNN architecture called SqueezeNet. SqueezeNet achieves AlexNet-level accuracy on ImageNet with 50x fewer parameters. Additionally, with model compression techniques we are able to compress SqueezeNet to less than 0.5MB (510x smaller than AlexNet). The SqueezeNet architecture is available for download here: https://github.com/DeepScale/SqueezeNet
Yazarların özeti; kaynağından alınmıştır. arXiv (Cornell University), 2016 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Bilgisayarlı Görü ve Örüntü Tanıma
Computer Vision and Pattern RecognitionComputer Science