研究人员开发了一种名为决策对齐训练后量化(DAQ)的新方法,以降低脉冲神经网络Transformer的存储和计算开销。该技术校准量化器,以确保量化模型中的神经元放电决策与浮点参考模型中的决策高度匹配。实验表明,DAQ在保持图像分类和事件驱动跟踪等任务的高性能的同时,能有效降低66.2%的能耗。 AI
影响 这种量化技术可以使脉冲神经网络Transformer在资源受限的环境中更有效地部署。
排序理由 该集群描述了一篇关于脉冲神经网络Transformer新型量化方法的学术论文。
在 Hugging Face Daily Papers 阅读 →
- Decision-Aligned Post-Training Quantization
- FE108
- Post Training Quantization Preprocessing Method of Convolutional Neural Network via Outlier Removal
- SDTrack
- Spiking Transformers
- arXiv
- Hugging Face
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →