-
公开(公告)号:CN107636697B
公开(公告)日:2021-03-12
申请号:CN201680026295.7
申请日:2016-04-14
Applicant: 高通股份有限公司
Abstract: 一种使用量化器来量化浮点机器学习网络以获得定点机器学习网络的方法可以包括:选择该浮点机器学习网络的输入分布的至少一个矩。该方法还可以包括:至少部分地基于浮点机器学习网络的输入分布的该至少一个所选矩来确定用于量化该浮点机器学习网络的值的量化器参数以获得定点机器学习网络的对应值。
-
公开(公告)号:CN112949839B
公开(公告)日:2025-05-09
申请号:CN202110413148.8
申请日:2016-04-14
Applicant: 高通股份有限公司
IPC: G06N3/0495 , G06N3/048 , G06N3/0464 , G06N3/084 , G06N3/063
Abstract: 公开了用于量化浮点神经网络以获得定点神经网络的方法和设备。一种使用量化器来量化浮点机器学习网络以获得定点机器学习网络的方法可以包括:选择该浮点机器学习网络的输入分布的至少一个矩。该方法还可以包括:至少部分地基于浮点机器学习网络的输入分布的该至少一个所选矩来确定用于量化该浮点机器学习网络的值的量化器参数以获得定点机器学习网络的对应值。
-
公开(公告)号:CN107580712B
公开(公告)日:2021-06-29
申请号:CN201680024570.1
申请日:2016-04-14
Applicant: 高通股份有限公司
Abstract: 一种减少在乘法器‑累加器(MAC)具有有限位宽的系统中进行操作的定点神经网络的计算复杂度的方法,包括:在计算该定点神经网络中的激活时减少移位操作的数目。该方法还包括:在计算该定点神经网络中的激活时平衡量化误差的量和溢出误差。
-
公开(公告)号:CN107636697A
公开(公告)日:2018-01-26
申请号:CN201680026295.7
申请日:2016-04-14
Applicant: 高通股份有限公司
Abstract: 一种使用量化器来量化浮点机器学习网络以获得定点机器学习网络的方法可以包括:选择该浮点机器学习网络的输入分布的至少一个矩。该方法还可以包括:至少部分地基于浮点机器学习网络的输入分布的该至少一个所选矩来确定用于量化该浮点机器学习网络的值的量化器参数以获得定点机器学习网络的对应值。
-
公开(公告)号:CN112949839A
公开(公告)日:2021-06-11
申请号:CN202110413148.8
申请日:2016-04-14
Applicant: 高通股份有限公司
Abstract: 公开了用于量化浮点神经网络以获得定点神经网络的方法和设备。一种使用量化器来量化浮点机器学习网络以获得定点机器学习网络的方法可以包括:选择该浮点机器学习网络的输入分布的至少一个矩。该方法还可以包括:至少部分地基于浮点机器学习网络的输入分布的该至少一个所选矩来确定用于量化该浮点机器学习网络的值的量化器参数以获得定点机器学习网络的对应值。
-
公开(公告)号:CN107580712A
公开(公告)日:2018-01-12
申请号:CN201680024570.1
申请日:2016-04-14
Applicant: 高通股份有限公司
CPC classification number: G06N3/08 , G06N3/063 , G06N99/005
Abstract: 一种减少在乘法器-累加器(MAC)具有有限位宽的系统中进行操作的定点神经网络的计算复杂度的方法,包括:在计算该定点神经网络中的激活时减少移位操作的数目。该方法还包括:在计算该定点神经网络中的激活时平衡量化误差的量和溢出误差。
-
-
-
-
-