狗看了都摇头的深度学习
文章平均质量分 84
研究方向是二值量化,记录一下
今天学fpga
一个正在入坑fpga的研究僧,写博客主要是为了激励自己学习,有侵权请告知,马上改!
展开
-
Brevitas教程(一)
自定义量化器的最简单方法是传递适当的关键字参数。其实就是我们传入参数,覆盖掉底层的量化器的参数。这部分主要是介绍量化器具体是如何定义的,当然这不是唯一的方法,但是却是用户轻松尝试不同内置选项的一种方法。通过这种方式,支持任意比例、零点和位宽,不再有上述8b的限制。上面显示的自定义格式可以集成到基于 ONNX 的工具链中,例如 它由我们自己的 FINN 工具链支持,用于低精度数据流风格的定制 FPGA 实现,并且将成为与 TVM 直接集成的起点。是Brevitas中基本的数据结构,是Brevitas。原创 2024-05-17 11:57:02 · 1191 阅读 · 0 评论 -
FINN框架环境配置
环境:ubuntu22.04LTS、vivado2022.2。原创 2024-04-14 12:17:22 · 699 阅读 · 1 评论 -
二值神经网络(BNN)
二值神经网络不是一种新的网络模型,实际上它是一种极致的量化方法——将神经网络的权重和激活量化为1bit。随着神经网络的发展,神经网络的性能越来越高,但是同时,模型的大小也越来越大。对于资源有限,功耗又有要求的边沿设备,多数神经网络模型不适合进行部署,这限制了深度学习的发展。因此出现了许多模型压缩的方法,比如知识蒸馏、剪枝、量化等等。二值神经网络(BNN)的前身可以追溯到BWN,他只是将神经网络的权值进行二值量化,激活还是浮点的形式,实现了不错的性能。原创 2023-12-28 15:01:11 · 908 阅读 · 1 评论