（笔记）网络压缩量化，训练三值量化TRAINED TERNARY QUANTIZATION

yingpeng_zhong

于 2018-05-20 16:14:38 发布

阅读量3.8k

点赞数 1

分类专栏：深度学习量化文章标签：深度学习量化三值

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.youkuaiyun.com/yingpeng_zhong/article/details/80382704

版权

该博客介绍了训练三值网络的方法，通过32bit浮点数映射到三值{-Wnl, 0, Wpl}，提升AlexNet在ImageNet上的性能0.3%，并探讨了稀疏度对网络效果的影响，指出30%~50%的稀疏度最佳。" 120680957,9334386,Go实战：Gin+Gorm构建备忘录应用,"['Go开发', 'RESTful API', '数据库设计', 'Web开发', 'Gin']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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,Wp

最低0.47元/天解锁文章

评论 1

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。