Master Thesis Online
Machine learning under resource constraints
Greffe, Nathan 
Promoteur(s) :
Geurts, Pierre
Date de soutenance : 26-jui-2019/27-jui-2019 • URL permanente : http://hdl.handle.net/2268.2/6798
Tous les fichiers (archive ZIP)Détails
| Titre : | Machine learning under resource constraints |
| Titre traduit : | [fr] apprentissage inductif avec ressources limitées |
| Auteur : | Greffe, Nathan
|
| Date de soutenance : | 26-jui-2019/27-jui-2019 |
| Promoteur(s) : | Geurts, Pierre
|
| Membre(s) du jury : | Louveaux, Quentin
Louppe, Gilles
Wehenkel, Louis
|
| Langue : | Anglais |
| Nombre de pages : | 78 |
| Mots-clés : | [fr] machine learning [fr] deep learning |
| Discipline(s) : | Ingénierie, informatique & technologie > Sciences informatiques |
| Public cible : | Chercheurs Professionnels du domaine Etudiants |
| URL complémentaire : | https://github.com/NatGr/Master_Thesis |
| Institution(s) : | Université de Liège, Liège, Belgique |
| Diplôme : | Master en ingénieur civil en informatique, à finalité spécialisée en "intelligent systems" |
| Faculté : | Mémoires de la Faculté des Sciences appliquées |
Résumé
[fr] This master thesis has for objective to explore different techniques (architecture, pruning as an architecture search, knowledge distillation, quantization) to improve the inference time of convolutionnal neural networks performing image classification on an embedded device.
Fichier(s)
Document(s)
arch_comparison_KD.pdf
Description: improvements when using knowledge distillation
Taille: 21.18 kB
Format: Adobe PDF
master_thesis__intro_page.pdf
Description: 1 page long Thesis summary
Taille: 94.9 kB
Format: Adobe PDF
arch_comparison_SE.pdf
Description: improvements when adding Squeeze-and-Excitation blocks
Taille: 31.89 kB
Format: Adobe PDF
arch_comparison.pdf
Description: vanilla architectures comparison
Taille: 31.79 kB
Format: Adobe PDF
pruning_cmparison.pdf
Description: comparison between the different pruning algorithms
Taille: 32.12 kB
Format: Adobe PDF
Citer ce mémoire
Tous les documents disponibles sur MatheO sont protégés par le droit d'auteur et soumis aux règles habituelles de bon usage.
L'Université de Liège ne garantit pas la qualité scientifique de ces travaux d'étudiants ni l'exactitude de l'ensemble des informations qu'ils contiennent.
L'Université de Liège ne garantit pas la qualité scientifique de ces travaux d'étudiants ni l'exactitude de l'ensemble des informations qu'ils contiennent.
