-
公开(公告)号：CN116129246A
公开(公告)日：2023-05-16
申请号：CN202310170796.4
申请日：2023-02-27
Applicant: 厦门大学
IPC: G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 一种基于类别可分离性的神经网络混合精度量化方法，涉及人工神经网络的压缩与加速。包括以下步骤：(1)在数据集中采样小批量的图片，并将其输入神经网络，获得逐层的特征图；(2)计算得到每层网络的类别可分离性指标；(3)根据每层网络的类别可分离性指标计算得到其重要性指标；(4)根据每层网络的重要性指标与其对应的计算量，解一个线性规划问题(以目标计算量为约束，最大化全局重要性为目标)，最终得到可靠的逐层比特数配置。(5)根据该逐层比特数配置，对网络进行量化。利用激活值的内在特征，定义类别可分离性指标，仅利用小批量数据通过模型，在短时间内便能获得适用于该模型的可靠的比特数配置。
Search Results
1
records
(took 0.017 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
