Key points are not available for this paper at this time.
심층 신경망(DNNs)이 컴퓨터 비전 분야에서 두드러진 기술로 등장한 이후, ImageNet 분류 챌린지는 최첨단 기술 발전에 중요한 역할을 해왔습니다. 정확도 수치가 지속적으로 증가하는 동안, 우승 모델의 자원 활용도는 적절히 고려되지 않았습니다. 본 연구에서는 실용 응용에서 중요한 지표인 정확도, 메모리 크기, 파라미터, 연산 수, 추론 시간 및 전력 소비에 대한 포괄적인 분석을 제시합니다. 주요 결과는 다음과 같습니다: (1) 전력 소비는 배치 크기와 아키텍처에 독립적이다; (2) 정확도와 추론 시간은 쌍곡선 관계에 있다; (3) 에너지 제약은 달성할 수 있는 최대 정확도와 모델 복잡도의 상한선이다; (4) 연산 수는 추론 시간을 신뢰성 있게 추정하는 데 유용하다. 우리의 분석이 효율적인 DNN을 설계하고 엔지니어링하는 데 도움이 되는 설득력 있는 정보를 제공한다고 믿습니다.
Canziani et al. (Tue,)은 이 질문을 연구하였습니다.