-
公开(公告)号：CN116681111A
公开(公告)日：2023-09-01
申请号：CN202310487616.5
申请日：2023-05-04
Applicant: 南京邮电大学
IPC: G06N3/0495 , G06N3/0464 , G06N3/084 , G06F18/214
Abstract: 本发明提供了一种零样本学习深度模型的量化方法，主要包括以下步骤：获取已经训练完毕的全精度预训练模型；利用知识匹配生成器从全精度预训练模型的批归一化层BN层中获取原始训练数据的分类和分布信息；使用所述校准数据集驱动所述全精度预训练模型的量化；生成新的伪数据驱动知识匹配生成器的优化；持续交替对抗地优化量化模型和知识匹配生成器，直到模型量化性能稳定收敛。相较于现有技术，本发明提出对权重和量化参数进行逐层联合迭代优化，能够使模型每层量化层输出与全精度层输出之间的误差最小化。
Search Results
1
records
(took 0.02 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
