Matching DNN Compression and Cooperative Training with Resources and Data Availability

To make machine learning (ML) sustainable and apt to run on the diverse devices where relevant data is, it is essential to compress ML models as needed, while still meeting the required learning quality and time performance. However, how much and when an ML model should be compressed, and where its...

Celý popis

Podrobná bibliografie

Vydáno v:	Annual Joint Conference of the IEEE Computer and Communications Societies s. 1 - 10
Hlavní autoři:	Malandrino, F., Giacomo, G. Di, Karamzade, A., Levorato, M., Chiasserini, C. F.
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 17.05.2023
Témata:	Adaptation models Approximation algorithms Costs Energy consumption Heuristic algorithms Prediction algorithms Training
ISSN:	2641-9874
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!