演示文件：卷积神经网络优化异构部署的异构-Vis框架

卷积神经网络（CNN）通常包含不同计算要求的多层。另一方面，许多硬件加速器可以作为在计算体系结构和功能上有细微差异的部署选项使用。在给定的异构体系结构中，CNN模型的分区（一组层）的最佳映射可以最好地利用底层不同的计算体系结构来提供最小的推理延迟。Hetero-Vis框架通过搜索针对延迟优化的网络分区和硬件对来解决这一问题。异V利用性能测量基准库（PerfLib）为不同加速器提供支持。在这个演示中，我们通过一个UI展示了Hetero-Vis工具的功能。