跳到主要内容
检索

Guillaume H. Tong

1 篇关联报道

订阅更新
  1. arXiv

    ASDL把卷积网络系数压到平均约1.5个有效位:ImageNet精度从81.3%降到80.41%,无需重训

    卷积网络推理的主要开销来自乘加,而乘加可拆成若干移位相加,其数量由系数中二进制有符号幂次(SPT)的个数决定。ASDL把此前逐个填入SPT的贪心近似改为一次填入一整层比特平面,在ResNet50最长系数向量上的转换速度超过MPGBP,同时保持更低的近似误差。把该方法用于预训练卷积网络系数后,平均每个系数仅约1.5个有效位,ImageNet精度从81.3%降到80.41%,且不需要重训练或校准。

已读完全部报道