Thèse de doctorat (2020)
 Document en libre accès dans PolyPublie |
|
Libre accès au plein texte de ce document Conditions d'utilisation: Tous droits réservés Télécharger (1MB) |
| Département: | Département de génie informatique et génie logiciel |
|---|---|
| Programme: | Génie informatique |
| Directeurs ou directrices: |
J. M. Pierre Langlois
|
| URL de PolyPublie: | https://publications.polymtl.ca/5535/ |
| Université/École: | Polytechnique Montréal |
| Date du dépôt: | 05 mai 2021 13:09 |
| Dernière modification: | 01 avr. 2026 11:39 |
| Citer en APA 7: | Ahmadi, M. (2020). Energy-Efficient, Flexible and Fast Architectures for Deep Convolutional Neural Network Acceleration [Thèse de doctorat, Polytechnique Montréal]. PolyPublie. https://publications.polymtl.ca/5535/ |
|---|---|
Statistiques
Total des téléchargements à partir de PolyPublie
Téléchargements par année
Provenance des téléchargements
Actions réservées au personnel
|
Afficher document |
