CVPR 2023 精选论文学习笔记:Post-Training Quantization on Diffusion Models

本文介绍了在去噪扩散模型上应用的后训练量化方法,称为Progressive Calibration and Relaxing(PCR),旨在降低模型大小和计算复杂度,同时保持生成图像质量。此方法特别适合资源有限的边缘设备,通过部分量化和参数调整减少量化误差,提高了在图像生成任务中的性能。
摘要由CSDN通过智能技术生成

基于MECE原则,我们给出以下四种分类依据:

1. 模型类型

  • 生成模型用于生成与其训练数据相似的新数据。它们通常用于图像生成、文本生成和音乐生成等任务。
  • 语言模型用于理解和生成人类语言。它们通常用于机器翻译、聊天机器人和文本摘要等任务。
  • 其他模型用于各种任务,例如图像分类、目标检测和自然语言处理。
  • 7
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

结构化文摘

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值