Quantized Guided Pruning for Efficient Hardware Implementations of Deep Neural Networks

Architectures Matérielles [cs.AR] Systèmes embarqués Traitement du signal et de l'image [eess.SP] Traitement du signal et de l'image [eess.SP] Electronique

Matthieu Arzel : Connectez-vous pour contacter le contributeur

https://imt-atlantique.hal.science/hal-02934543

Soumis le : mercredi 9 septembre 2020-14:23:36

Dernière modification le : mercredi 7 février 2024-08:55:03

Dates et versions

hal-02934543 , version 1 (09-09-2020)

Identifiants

HAL Id : hal-02934543 , version 1
DOI : 10.1109/NEWCAS49341.2020.9159769

Citer

Ghouthi Boukli Hacene, Vincent Gripon, Matthieu Arzel, Nicolas Farrugia, Yoshua Bengio. Quantized Guided Pruning for Efficient Hardware Implementations of Deep Neural Networks. NEWCAS 2020 : 18th IEEE International New Circuits and Systems Conference, Jun 2020, Montréal, Canada. pp.206-209, ⟨10.1109/NEWCAS49341.2020.9159769⟩. ⟨hal-02934543⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

UNIV-BREST INSTITUT-TELECOM CNRS LAB-STICC_UBO ENIB LAB-STICC IMT-ATLANTIQUE

35 Consultations

2 Téléchargements