二值网络--Optimize Deep Convolutional Neural Network with Ternarized Weights and High Accuracy

O天涯海阁O

于 2019-05-10 16:06:05 发布

阅读量650

点赞数

分类专栏：模型优化加速 CNN网络模型压缩和量化

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/zhangjunhit/article/details/90069918

版权

该文提出了一种针对深度卷积神经网络的权重三值量化训练方法，通过迭代统计缩放优化性能。在不牺牲准确性的情况下，使用多个三值网络层来表示全精度层，特别是对于卷积层和全连接层。实验中对比了不同训练策略，如直接训练三值权重、带有迭代缩放因子的训练以及微调，证明了这些方法的有效性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Optimize Deep Convolutional Neural Network with Ternarized Weights and High Accuracy
IEEE Winter Conference on Applications of Computer Vision (WACV) 2019
https://github.com/elliothe/Ternarized_Neural_Network Pytorch

本文只对权重进行三值量化，每个卷积层和全连接层可以使用多个三值网络层表示以便提升三值网络的性能

III. W EIGHT T ERNARIZATION T RAINING M ETHOD
A. Ternarization with iterative statistical scaling

权重的三值量化：
在这里插入图片描述
其中 scaling factor 为

量化阈值为

dot-product operations 计算如下

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。