Result: link
[Title CZ/SK] Techniky optimalizace neuronových sítí pro mobilní platformy během trénování
Assignment
Quantization or pruning are commonly used techniques to optimize neural networks during training. These methods typically improve performance but have a negative impact on accuracy. The goal is to evaluate not only these two but other available optimization techniques suitable for mobile platforms and how they affect performance, accuracy, and memory usage. The usage of publicly available datasets for classification and detection is assumed (e.g. cifar, mnist, or coco). Results might be affected by the choice of the dataset, thus the thesis can focus on their differences as well.
Assignment CZ/SK
Kvantizace nebo pruning jsou běžně použivanými technikami při optimalizaci neuronových sítí během trénování. Takovéto metody typicky zlepšují výkon, ale mají negativní dopad na přesnost. Cílem je vyhodnotit nikoliv pouze tyto dvě, ale i ostatní optimalizační techniky vhodné pro mobilní platformy a jak ovlivňují výkon, přesnost a paměťovou náročnost. Předpokladá se použití veřejně dostupných datasetů pro klasifikaci či detekci (např. cifar, mnist nebo coco). Vliv může mít i volba datasetu, a tak je možno věnovat se i rozdílům mezi nimi.
Language
CZ/SK/EN
Leaders
Pavel Macenauer
Contact
University team NXP Semiconductors CZ
