כתבה
arXiv cs.LG ·
ENAS: חיפוש ארכיטקטורת נוירונים יעיל
ENAS: An Efficient Hardware-Aware Neural Architecture Search Framework for TinyML on Resource-Constrained Microcontrollers
ENAS הוא כלי חיפוש ארכיטקטורת נוירונים יעיל המיועד לפיתוח TinyML על מיקרו-בקרים. הוא משלב בדיקת יכולות סטטית, חיפוש תאים ואסטרטגיית חיפוש היברידית. ENAS מאפשר פיתוח יעיל גם בלי GPU.
תקציר מקורי באנגליתarXiv:2609.30272v1 Announce Type: new Abstract: We present \textbf{ENAS}, a hardware-aware Neural Architecture Search (NAS) framework that combines a static feasibility check, a cell-based search space supporting standard, depthwise-separable, and bottleneck blocks with optional skip connections, and a three-stage hybrid search strategy (random $\rightarrow$ top-$K$ $\rightarrow$ mutation) with persistent cross-run caching. Unlike many existing NAS frameworks that rely on GPU acceleration, ENAS is designed to operate efficiently without requiring GPUs, making it suitable for resource-constrained development environments. We evaluate ENAS on two TinyML benchmarks, Visual Wake Words and Melanoma Cancer, across eight microcontrollers with memory footprints ranging from 20\,KB to 1\,MB SRAM an
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית