محققان در یک تحقیق فنی جدید، کارایی اضافه کردن لایههای هوشمند (Learned Feature Gating) را برای مدلهای طبقهبندی مدولاسیون در سختافزارهای FPGA بررسی کردهاند.
نتایج این آزمایش نشان میدهد که برخلاف تصور، افزودن این لایههای هوشمند نهتنها دقت مدل را بهبود نمیبخشد، بلکه باعث افزایش مصرف منابع سختافزاری (مانند ALMها و DSPها) و افزایش تاخیر در پردازش میشود. این تحقیق یادآوری مهمی است که برای پیادهسازی هوش مصنوعی روی سختافزارهای محدود (Edge Computing)، همیشه پیچیدگی بیشتر به معنای خروجی بهتر نیست! 📉⚙️
منبع: arXiv Machine Learning