yingpeng_zhong的博客

原文链接摘要方法实验效果原文链接https://arxiv.org/abs/1705.01462摘要提出一种三值化方法，激活函数是8/4bit的，不需要训练，对N个权重量化到三值 ，N=2,4,8,16等等。当N=4时，ResNet-101和ResNet-50的Top1准确率分别下降3.7%和4.2%。方法目的：不训练地，把32bit浮点权重W...

原文链接：摘要方法实验效果讨论原文链接：https://arxiv.org/abs/1612.01064摘要提供一个三值网络的训练方法。对AlexNet在ImageNet的表现，相比32全精度的提升0.3%。方法对于每一层网络，三个值是32bit浮点的{−Wnl,0,Wpl}{−Wln,0,Wlp}\{-W^n_l, 0 , W^p_l\}，...

原文链接摘要方法一方法二实验原文链接https://arxiv.org/abs/1805.01352摘要本文提供一种有效的把ResNet转成脉冲神经网络(SNN)的方法。主要提出两个方法。 一，针对残差结构的归一化，把连续激活函数值转成发射频率（firerate）。 二，分层的误差补偿。方法一针对残差结构的归一化，把连续激活函数值转成发射频率（f...

（笔记）Model Compression via Distillation and Quantization（笔记）Model Compression via Distillation and Quantization原文链接：https://arxiv.org/abs/1802.05668代码： https://github.com/antspy/quantized_distill...

目录目录原文简要介绍摘要原文paper: http://lepsucd.com/wp-content/uploads/2015/08/Thesis_Philipp_Gysel.pdf code: https://github.com/MichalBusta/Ristretto-caffe/commit/55c64c202fc8fca875e108b48c13993b7fdd0f63 20

目录目录原文摘要原文原文：https://arxiv.org/abs/1702.03044 代码：https://github.com/Zhouaojun/Incremental-Network-Quantization摘要Incremental Network Quantization(INQ)是一种神经网络压缩方法。它以已训练的任意全精度网络作为输入，输出权值为0或2的整数次幂的网络