Paper: https://arxiv.org/abs/1906.08637
开源代码:https://github.com/hpi-xnor/BMXNet-v2
2019年6月19的一篇新paper。BNN用于降低成本和计算量,非常有效。作者重新思考了BNN中一些常用技术的有效性,并且为BNN网络提出了几项设计准则,并且搭建了一个BinaryDenseNet网络。
主要是通过实验数据去说明一些设计方法是否有效。可以作为应用的一个借鉴。
Introduction
在移动端执行CNN加速,主要有两种方式。
第一种:通过网络设计亚索网络信息,比如mobilenet和shufflenet等
第二种:做量化,减少每个数据表示时需要的精度。二值化会掉点,前期很多工作关注于通过一些tricks等减少量化误差。
但是,作者认为前期很少思考过这样一个问题“Are those real-valued network architectures
seamlessly suitable for BNNs?”
作者得出的结论是“most of these techniques are not necessary to reach state-of-the-art performance.”
主要contributions如下:
- 认为通过标准策略就可以训练出标准BNN,重新思考了如缩放因子,自定义渐变和微调全精度模型的有效性。认为