hyperpower:硬件感知神经网络（Keras + TensorFlow）超参数优化（贝叶斯优化）-源码
HyperPower（Keras / TensorFlow +薄荷）
通过贝叶斯优化对硬件进行感知的超参数搜索 + 神经网络。
描述
神经网络（NN）的超参数优化已成为一个具有挑战性的过程。 如果我们发现最佳的（根据分类错误）NN配置也满足硬件约束，例如最大推理运行时间，最大GPU能耗或功耗，则此设计问题将变得更加艰巨。
HyperPower利用贝叶斯优化的有效性来采用受硬件限制的超参数优化。 该代码库是基础：
HyperPower: Power- and Memory-Constrained Hyper-Parameter Optimization for Neural Networks
Dimitrios Stamoulis, Ermao Cai, Da-Cheng Juan, Diana Marculescu
Design, Automation and Test in Eu
文件下载
评论信息
其他资源
- PKAV HTTP Fuzzer 1.5.6
- 中国象棋素材png.rar
- matlab cnn高光谱图像分类
- 手指静脉识别matlab
- 压缩感知OMP算法代码
- CSerialPort串口类最新修正版2017-03-12
- Taylor_CMIP5_design.pdf
- 电力系统分析课程设计
- smurf攻击程序代码
- S7-1500做服务器端与第三方设备TCP通信
- USB协议规范1.1/2.0/3.0 英文高清完整PDF版
- uml建模图书管理系统
- 轴心模板-源码
- [004]高端商务PPT模板[
- fourfront：数据门户，用于提交和查看基因组数据-源码
- 视觉表象扫描加工中的认知控制
- C_Primer_Plus_3_P68_02.c
- 猎豹护眼大师+护眼桌面壁纸（我自己挑选的）
- 安卓开发黑名单时必须的两个aidl文件之一 ITelephony.aidl
- OFDM同步算法中的最大似然函数法
- s71200_入门手册
- 一个自己做的GUI Design Studio原型实例
- chinaPay代付netpayclient.jar
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明