首页> 中国专利> 基于高阶残留量化的高性能网络加速方法

基于高阶残留量化的高性能网络加速方法

页面导航

摘要
著录项
法律信息
相似文献

摘要

本发明提供了一种基于高阶残留量化的高性能网络加速方法，包括：步骤S1，通过量化以及递归操作，得到一系列不同尺度的二进制输入数据；步骤S2，对不同尺度的二进制输入数据进行卷积运算，并对得到的运算结果进行结合。本发明是一种有效的准确的深度网络加速方法。引用了残差这个概念来表示信息损失并且递归地计算不同尺寸的量化后的输入数据的残差来减少信息损失。使用二值化权重和二值化输入，网络的大小减小为原来的1/32左右，并且把训练速度提高了30倍左右。本发明提出的方法还提供了在CPU上训练深度卷积网络的可能性。实验结果显示本发明提出的HORQ网络具有很好的分类效果和加速效果。

著录项

公开/公告号CN108805286A

专利类型发明专利
公开/公告日2018-11-13

原文格式PDF
申请/专利权人上海交通大学;
展开▼

申请/专利号CN201810604458.6
发明设计人倪冰冰;李泽凡;
展开▼

申请日2018-06-12
分类号G06N3/08(20060101);
代理机构31317 上海恒慧知识产权代理事务所(特殊普通合伙);
代理人徐红银;刘翠
地址 200240 上海市闵行区东川路800号
入库时间 2023-06-19 07:09:32

法律信息

法律状态公告日

法律状态信息

法律状态
2018-12-07

实质审查的生效 IPC(主分类):G06N3/08 申请日:20180612

实质审查的生效
2018-11-13

公开

公开

相似文献

专利
中文文献
外文文献

1. 基于高阶残留量化的高性能网络加速方法 [P] . 中国专利： CN108805286A . 2018-11-13
2. 一种基于结构化剪枝和低比特量化的神经网络加速器 [P] . 中国专利： CN110378468B . 2020.11.20
3. NEURAL NETWORK ACCELERATOR AND NEURAL NETWORK ACCELERATION METHOD BASED ON STRUCTURED PRUNING AND LOW-BIT QUANTIZATION [P] . US2022012593A1 . 2022-01-13

机译：基于结构性修剪和低比特量化的神经网络加速器与神经网络加速度方法
4. Deep convolutional neural network acceleration and compression method based on parameter quantification [P] . US10970617B2 . 2021-04-06

机译：基于参数量化的深卷积神经网络加速度和压缩方法
5. DEEP CONVOLUTIONAL NEURAL NETWORK ACCELERATION AND COMPRESSION METHOD BASED ON PARAMETER QUANTIFICATION [P] . 美国专利： US2018247180A1 . 2018-08-30

机译：基于参数量化的深卷积神经网络加速与压缩方法