【Fixed-Point Performance Analysis of Recurrent Neural Networks】论文笔记

[ICASSP’16]论文链接:https://arxiv.org/abs/1512.01322
递归神经网络在许多应用中表现出优异的性能; 然而,它们需要增加基于硬件或软件的实现的复杂性。通过最小化权重和信号的字长可以大大降低硬件复杂性。这项工作使用基于重新训练的量化方法分析递归神经网络的定点性能。研究了RNN中各层的量化灵敏度,并给出了整体定点优化结果,使得权重容量最小化,同时不牺牲性能。使用语言模型和音素识别示例。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 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
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