在嵌入式GPU上修剪的语义分割网络的能耗分析
摘要：深度神经网络在许多计算机视觉任务中处于领先地位。在自主车辆的背景下部署它们具有特别的意义，因为它们在能量消耗方面的限制禁止使用非常庞大的网络，而这些网络通常能达到最佳性能。一种常见的降低这些架构复杂度的方法是依赖于剪枝，即去除最不重要的部分，而不会损失精度。关于此主题有许多文献，但有趣的是很少有研究测量剪枝对能量的实际影响。在本研究中，我们有兴趣在自动驾驶的语义分割特定背景下使用Cityscapes数据集来测量其影响。为此，我们分析了最近提出的结构化剪枝方法在训练后的架构在Jetson Xavier嵌入式GPU上的部署时的影响。
作者：Hugo Tessier, Vincent Gripon, Mathieu L''eonardon, Matthieu Arzel, David Bertrand, Thomas Hannagan
论文ID：2206.06255
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-12-13