画像センシングシンポジウム (SSII 2019) の企画セッション「深層学習の高速化 〜 高速チップ、分散学習、軽量モデル 〜」の講演資料です。 深層学習モデルを高速化する下記6種類の手法の解説です。 - 畳み込みの分解 (Factorization) - 枝刈り (Pruning) - アーキテクチャ探索 (Neural Architecture Search; NAS) - 早期終了、動的計算グラフ (Early Termination, Dynamic Computation Graph) - 蒸留 (Distillation) - 量子化 (Quantization)
![ディープラーニングのフレームワークと特許戦争](https://cdn-ak-scissors.b.st-hatena.com/image/square/c811b0c0db7a832ce3abb27ba9e417766b87b2db/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Fdeeplearningframeworksandpatentwars-181215053816-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)