标签
BeFit 是一个端到端框架,将模型容量从权重转移到可学习的伯恩斯坦多项式激活函数,使资源受限的微控制器能够运行无需乘法运算的 CNN,同时准确率比 ReLU CNN 高出 2.75 个百分点,执行速度最高可达 MLPerf Tiny DS-CNN 参考模型的 5.9 倍。
该论文提出了 BernBRS,这是一种用于对 DeepBernNets 进行可认证后向可达性分析的可扩展框架。该框架通过基于激活模式细化输入空间覆盖,计算后向可达集的经认证内近似和外近似,并在 Half-Cheetah 和基于 TinyBERT 衍生的模型上进行了验证。
Bern2Edge是一种神经符号编译器,能将预训练神经网络转换为伯恩斯坦多项式表示,以在FPGA上实现高效且可解释的边缘部署,显著降低延迟和资源使用,同时保持准确性。