莱斯大学 发布 HW-NAS-Bench 数据集, 应用在 神经架构搜索、硬件性能优化 领域

莱斯大学 本次发布的数据集 HW-NAS-Bench, HW-NAS-Bench是由莱斯大学电气与计算机工程系开发的首个公开硬件感知神经架构搜索（HW-NAS）研究数据集，旨在使非硬件专家也能参与HW-NAS研究，并提高研究的重复性和可访问性。该数据集涵盖了NAS-Bench-201和FBNet两个最先进的NAS搜索空间，为所有网络提供了在六种硬件设备上的测量/估计硬件性能数据，包括商用边缘设备、FPGA和ASIC。数据集的创建过程涉及精心收集和分析硬件性能数据，如能量成本和延迟，以提供对HW-NAS研究的深入见解。此外，HW-NAS-Bench还展示了如何通过简单查询预先测量的数据集，使非硬件专家能够执行HW-NAS，并验证了针对特定设备的HW-NAS可以实现最佳的精度-成本权衡。该数据集的应用领域包括深度神经网络的硬件加速器设计和优化，旨在解决如何在资源受限的日常设备中高效部署深度神经网络的问题。

查看HW-NAS-Bench

README 内容： 

关于 莱斯大学 , 莱斯大学（Rice University）是一所位于美国德克萨斯州休斯顿的私立研究型大学，以其卓越的工程学、自然科学和社会科学研究而闻名。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。