Naslov magistrskega dela: Približno učenje za učinkovito učenje nevronskih mrež na mobilnih napravah

Povzetek:

Ker je večino postopkov za aproksimacijo nevronskih mrež omejenih na inferenco, smo jih v tem delu prilagodili za praktično uporabo med učenjem. S tem gradimo nove možnosti za učenje mrež na šibkejših robnih napravah.
Nadgradili smo prejšnje delo in s prilagoditvijo za uporabo med učenjem razširili uporabo perforirane konvolucije kot tehnike za aproksimacijo nevronskih mrež. Konvolucijske nivoje smo pospešili z izpuščanjem njihove evalvacije na določenih mestih in z nadaljnjo interpolacijo manjkajočih vrednosti. Analizirali smo učinek uporabe perforirane konvolucije med učenjem. Pokazali smo, da na šibkih robnih napravah učenje segmentacijskih nevronskih mrež kot je AgriAdapt U-Net porabi do 30\% manj spomina in se izvaja do 5x hitreje, z velikim zmanjšanjem skupne porabe energije.

Mentor: izr. prof. dr. Veljko Pejović

Somentor: doc. dr. Octavian Mihai Machidon

Komisija za zagovor:

prof. dr. Erik Štrumbelj (predsednik),

prof. dr. Patricio Bulić (član),

doc. dr. Radko Pilipović (član).

Prostor: Diplomska soba