English(EN) Evolutionary fine tuning of quantized convolution-based deep learning models

进化微调提升量化深度学习模型准确率

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-08 04:00

研究人员开发了一种新颖的方法，通过采用进化策略来提高量化深度学习模型的准确性。该方法通过迭代地将一小部分权重调整到不同的量化状态来微调预训练和量化后的模型，挑战了最近邻舍入保证最佳准确性的假设。所提出的进化技术利用特定的算子和参数，在图像分类和检测任务的VGG和ResNet等架构以及自编码器上，展示了准确率的快速提升。 AI

影响为深度学习模型压缩引入了一种新的优化技术，有望提高在资源受限设备上部署的效率和准确性。

排序理由详细介绍量化深度学习模型优化新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

ResNet

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Marcin Pietro\'n · 2026-05-08 04:00

Evolutionary fine tuning of quantized convolution-based deep learning models

arXiv:2605.05228v1 Announce Type: new Abstract: Deep learning models are the most efficient models in many machine learning tasks. The main disadvantage when using them in IoT, mobile devices, independent autonomous or real-time systems is their complexity and memory size. Theref…

报道来源 [1]

Evolutionary fine tuning of quantized convolution-based deep learning models

相关实体

相关话题