中文版 | English

在结果中检索

CASIA OpenIR
（本次检索基于用户作品认领结果）

浏览/检索结果: 共5条，第1-5条 帮助

限定条件                                
已选(0)清除 条数/页：   排序方式：
Multi-Granularity Pruning for Model Acceleration on Mobile Devices 会议论文
, 线上, 2022-07
作者:  Zhao TL(赵天理);  Zhang X(张希);  Zhu WT(朱文涛);  Wang JX(王家兴);  Yang S(杨森);  Liu J(刘季);  Cheng J(程健)
Adobe PDF(1919Kb)  |  收藏  |  浏览/下载：159/62  |  提交时间：2023/06/21
Deep Neural Networks  Network Pruning  Structured Pruning  Non-structured Pruning  Single Instruction Multiple Data  
ECBC: Efficient Convolution via Blocked Columnizing 期刊论文
IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, 2021, 页码: 13
作者:  Zhao, Tianli;  Hu, Qinghao;  He, Xiangyu;  Xu, Weixiang;  Wang, Jiaxing;  Leng, Cong;  Cheng, Jian
Adobe PDF(3003Kb)  |  收藏  |  浏览/下载：348/47  |  提交时间：2022/01/27
Convolution  Tensors  Layout  Memory management  Indexes  Transforms  Performance evaluation  Convolutional neural networks (CNNs)  direct convolution  high performance computing for mobile devices  im2col convolution  memory-efficient convolution (MEC)  
M-NAS: Meta Neural Architecture Search 会议论文
, New York, 2020.02.07-2020.02.12
作者:  Wang JX(王家兴);  Wu JX(吴家祥);  Bo HL(柏昊立);  Cheng J(程健)
Adobe PDF(838Kb)  |  收藏  |  浏览/下载：187/39  |  提交时间：2021/06/16
Revisiting Parameter Sharing for Automatic Neural Channel Number Search 会议论文
, Online, 2020.12.06-2020.12.12
作者:  Wang JX(王家兴);  Bo HL(柏昊立);  Wu JX(吴家祥);  Shi XP(史旭鹏);  Huang JZ(黄俊洲);  Michael Lyu;  Irwin King;  Cheng J(程健)
Adobe PDF(2004Kb)  |  收藏  |  浏览/下载：218/49  |  提交时间：2021/06/16
Neural Architecture Search  Model Compression  Parameter Sharing  
Bayesian Automatic Model Compression 期刊论文
IEEE JOURNAL OF SELECTED TOPICS IN SIGNAL PROCESSING, 2020, 卷号: 14, 期号: 4, 页码: 727-736
作者:  Wang, Jiaxing;  Bai, Haoli;  Wu, Jiaxiang;  Cheng, Jian
Adobe PDF(1918Kb)  |  收藏  |  浏览/下载：325/64  |  提交时间：2020/12/04
Quantization  automatic machine learning  model compression  Bayes methods  Mathematical model  Training  Mixture models  Optimization  Machine learning  Bayesian learning  quantizartion  explainability