PulseAugur
中
实时 15:30:15
实体 Bayesian DNN Compression through Sparse Quantized Sub-distributions

Bayesian DNN Compression through Sparse Quantized Sub-distributions

PulseAugur coverage of Bayesian DNN Compression through Sparse Quantized Sub-distributions — every cluster mentioning Bayesian DNN Compression through Sparse Quantized Sub-distributions across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
0
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_243309 ·

    新的SQS方法通过贝叶斯学习实现高深度神经网络压缩 · 跟踪2个来源

    研究人员开发了一种名为SQS的新方法来压缩大型神经网络,使其能够在资源有限的设备上部署。这个统一的框架使用贝叶斯变分学习同时执行权重剪枝和低比特量化。SQS采用spike-and-slab先验进行稀疏性处理,并使用高斯混合模型对量化权重进行建模,在保持可比性能的同时实现了比现有方法更高的压缩率。在ResNet、BERT-base、Llama3.2和Qwen2.5等模型上的实验证明了其有效性。