面向嵌入式设备的轻量级神经网络模型设计 - 阅面科技2020技术报告
由阅面科技CTO童志军分享，本报告系统介绍了面向嵌入式设备的轻量级神经网络模型设计方法，从特征驱动转向数据驱动，从精度优先转向速度优先，并探讨了高效部署与运行方案，助力AI在边缘设备中落地。
报告摘要
由阅面科技CTO童志军分享，本报告系统介绍了面向嵌入式设备的轻量级神经网络模型设计方法，从特征驱动转向数据驱动，从精度优先转向速度优先，并探讨了高效部署与运行方案，助力AI在边缘设备中落地。
核心要点
- 神经网络模型在嵌入式设备运行的挑战
- 从特征驱动到数据驱动的大型神经网络模型设计
- 从精度优先到速度优先的轻量级神经网络模型设计
- 在嵌入式设备实现神经网络模型的高效部署与运行
报告信息
- 文件全名
- 《阅面科技-面向嵌入式设备的轻量级神经网络模型设计》
- 适合读者
- 数据来源
- 多方数据交叉验证
- 核心议题
常见问题
《面向嵌入式设备的轻量级神经网络模型设计 - 阅面科技2020技术报告》主要包含哪些内容?
由阅面科技CTO童志军分享，本报告系统介绍了面向嵌入式设备的轻量级神经网络模型设计方法，从特征驱动转向数据驱动，从精度优先转向速度优先，并探讨了高效部署与运行方案，助力AI在边缘设备中落地。
这份报告由哪家机构发布?
本报告由阅面科技发布,发布于 2020 年。
这份报告覆盖哪一年、篇幅多大?
覆盖 2020 年,全文约 30。
这份报告是免费的吗?如何获取?
本报告免费查阅,登录资料宝后即可在线获取完整内容。
这份报告适合哪些读者?
适合嵌入式AI工程师、模型优化研究员、边缘计算开发者等读者参考。
报告涉及哪些关键议题?
重点分析了互联网、阅面科技、技术等议题。
继续阅读
查看全部 →