Documents disponibles écrits par cet auteur

Deep neural networks optimization for embedded platforms / Anouar Laouichi 

Public ISBD Titre : Deep neural networks optimization for embedded platforms Type de document : document électronique Auteurs : Anouar Laouichi, Auteur ; Abderrahim Benaouda, Auteur ; Sid-Ahmed Berrani, Directeur de thèse ; Hamza Yous, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2020 Importance : 1 fichier PDF (6.1 M) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 2020 Bibliogr. f. 85 - 92 Langues : Anglais (eng) Mots-clés : Artificial  intelligence Deep  Neural Embedded  Systems Inference Networks Pruning Quantization Object  detection Pytorch Index. décimale : PN00820 Résumé : This project deals with the optimization of Deep Neural Networks for efficientembedded inference. Network Pruning and Quantization techniques are implemented underthe PyTorch environment and benchmarked on ResNet50. The obtained results, consisting ofcompression and speed-up rates, successfully validate the feasibility and the effectiveness of theconcept. To show their practical potential, the two schemes have been applied on RetinaNetobject detector. Additionally, this work demonstrates that inference can be performed at theedge by reducing the model’s memory footprint and the processing time, resulting in reducedlatency and energy consumption as well as improved data security. Hence, new horizons ofapplications in embedded systems are opened up Deep neural networks optimization for embedded platforms [document électronique] / Anouar Laouichi, Auteur ; Abderrahim Benaouda, Auteur ; Sid-Ahmed Berrani, Directeur de thèse ; Hamza Yous, Directeur de thèse . - [S.l.] : [s.n.], 2020 . - 1 fichier PDF (6.1 M) : ill. Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 2020 Bibliogr. f. 85 - 92 Langues : Anglais (eng) Mots-clés : Artificial  intelligence Deep  Neural Embedded  Systems Inference Networks Pruning Quantization Object  detection Pytorch Index. décimale : PN00820 Résumé : This project deals with the optimization of Deep Neural Networks for efficientembedded inference. Network Pruning and Quantization techniques are implemented underthe PyTorch environment and benchmarked on ResNet50. The obtained results, consisting ofcompression and speed-up rates, successfully validate the feasibility and the effectiveness of theconcept. To show their practical potential, the two schemes have been applied on RetinaNetobject detector. Additionally, this work demonstrates that inference can be performed at theedge by reducing the model’s memory footprint and the processing time, resulting in reducedlatency and energy consumption as well as improved data security. Hence, new horizons ofapplications in embedded systems are opened up

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00078	PN00820	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Electronique	Téléchargeable

Documents numériques

LAOUICHI.Anouar_BENAOUDA.Abderrahim.pdf URL