超级会员免费看
HAQ是一个基于强化学习的混合精度量化框架，针对MobilenetV3进行自动量化，通过智能体学习每层的最优量化位宽，以减少模型大小和提升硬件效率，同时保持高精度。该算法引入新的评价指标——延迟和功耗，采用DDPG策略进行搜索，并在DTD数据集上进行实验。
HAQ-for-Mobilenetv3-Quantization
代码地址：
https://github.com/Sharpiless/HAQ-for-Mobilenetv3-Quantization
论文地址：
https://arxiv.org/abs/1811.08886?
算法简介：
HAQ(Hardware-Aware Automated Quantization with Mixed Precision)是一个自动化的混合精度量化框架，使用强化学习让每一层都学习到了适合该层的量化位宽。
不同的网络层有不同的冗余性，因此对于精度的要求也不同，当前已经有许多的芯片开始支持混合精度。通常来说，浅层特征提取需要更高的精度，卷积层比全连接层需要更高的精度。如果手动
订阅专栏 解锁全文
扫一扫
1215
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
