原创力文档- 1、本文档共14页，其中可免费阅读8页，需付费150金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
1.?? 引言
最近，卷积神经网络(CNN)得到了学术界和工业界的广泛关注.为了获得更好的性能，CNN模型结构越来越复杂，参数量和计算量越来越大[1].这导致了CNN在实际应用中面临的巨大挑战——复杂的计算需要大量的硬件计算资源.因此，在内存带宽和计算资源的限制下保持高精度和高吞吐是在移动设备上部署CNN模型需要解决的一个重要问题.现有研究提出了一些参数少、训练时间短、易于在移动终端部署的轻量级CNN[2]，且已经在不同实际应用中得到了验证.文献[3]利用轻量级CNN做人群计数模型设计，将训练后的网络模型部署到FPGA上完成软硬件协同推断.文献[4]提出了基于SqueezeNet[5]实现的车
文档评论（0）