WRPN: Wide Reduced-Precision Networks

这篇文章的主要提升点在激活层的量化。从上图可以看出，当使用mini-batch时，随着batch数的提升，激活层所占据的内存也显著提升。

不同于dorefa-net的量化方式：
wrpn采取了更简单的量化方式：

WRPN的原理是：将特征图拓宽，分为几个，然后再进行量化。虽然前一个操作会增加消耗，但后一个会弥补这个消耗；同时拓宽的操作还会增加精度，使模型最终表现良好。 这个操作应该是存在一个最佳的权衡点，对于不同的网络和数据甚至应用，这个点应该都是不同的。