标签:Wide 拓宽 batch 提升 wrpn 文章 量化 Networks WRPN
这篇文章的主要提升点在激活层的量化。从上图可以看出,当使用mini-batch时,随着batch数的提升,激活层所占据的内存也显著提升。
不同于drrefa-net的量化方式:
wrpn采取了更简单的量化方式:
文章用大量篇幅描述了作者所做的实验,但是对于wrpn的原理只是寥寥几句。所以我并不确定我的理解是否正确,它的意思大概是:将特征图拓宽,分为几个,然后再进行量化。虽然前一个操作会增加消耗,但后一个会弥补这个消耗;同时拓宽的操作还会增加精度,使模型最终表现良好。
JachinMa 发布了74 篇原创文章 · 获赞 14 · 访问量 1万+ 私信 关注标签:Wide,拓宽,batch,提升,wrpn,文章,量化,Networks,WRPN 来源: https://blog.csdn.net/JachinMa/article/details/104005617
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。