怡宝2号

code:https://github.com/huawei-noah/AdderNet来自：华为摘要：为了降低计算复杂度和能量负担，我们提出了一种新的使用加法器卷积神经网络(AdderNet)的极简硬件结构，其中原始的卷积只被加法器核替换。为了最大限度地挖掘潜在的能源消耗，我们探索了具有共享尺度因子方法的AdderNet的低位量化算法，并为AdderNet设计了特定的和通用的硬件加速器。结果表明，具有int8/int16量化的加法器核也表现出较高的性能，同时消耗较少的资源（理论上∼为81%）。此.

来自商汤的直播

code：https://github.com/OAID/Tengine图片，代码都来自以上项目。1. 简介Tengine 由 OPEN AI LAB 主导开发，该项目实现了深度学习神经网络模型在嵌入式设备上的快速、高效部署需求。为实现在众多 AIoT 应用中的跨平台部署，本项目使用 C 语言进行核心模块开发，针对嵌入式设备资源有限的特点进行了深度框架裁剪。同时采用了完全分离的前后端设计，有利于 CPU、GPU、NPU 等异构计算单元的快速移植和部署，降低评估、迁移成本。2. Content.

转载自:参考卷积神经网络中的Winograd快速卷积算法https://martin20150405.github.io/2019/11/13/dl-winograd-kuai-su-juan-ji-suan-fa/#toc-heading-38https://zhuanlan.zhihu.com/p/260109670