Meta等联合开发H4H-NAS框架,提升AR/VR边缘AI能效
实现了显著(高达1.34%)的top-1精度提升
(映维网Nweon 2025年04月08日)低延迟和低功耗边缘AI对于虚拟现实和增强现实应用至关重要。最近的进展表明,结合卷积层(CNN)和transformer(ViT)的混合模型通常在各种计算机视觉和机器学习任务中实现卓越的精度/性能权衡。然而,由于混合模型在数据流和内存访问模式中的多样性,它们可能会对延迟和能源效率构成系统挑战。
在一项研究中,卡内基梅隆大学、Meta、台积电和纽约大学团队利用了神经处理单元(NPU)和内存计算(CIM)的架构异质性,并通过不同的执行模式来有效地执行混合模型。
团队同时引入了神经架构搜索框架H4H-NAS,以用于为具有NPU和CIM的异构边缘系统设计高效的混合CNN/ViT模型。
所述解决方案在ImageNet数据集实现了显著(高达1.34%)的top-1精度提升。
虚拟现实和增强现实正在日益流行,而人工智能的最新进展推动了AR/VR的多种应用,彻底改变了人们之间的沟通方式,提高了人们的生产力以及人们与数字世界的交互方式。
......(全文 1572 字,剩余 1213 字)
请微信扫码通过小程序阅读完整文章或者登入网站阅读完整文章
映维网会员可直接登入网站阅读
PICO员工可联系映维网免费获取权限