首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    APQ:联合搜索网络架构、剪枝和量化策略

    本文提出APQ,以便在资源受限的硬件上进行有效的深度学习推理。与以前分别搜索神经体系结构,修剪策略和量化策略的方法不同,本文以联合方式优化它们。为了应对它带来的更大的设计空间问题,一种有前途的方法是训练量化感知的准确性预测器,以快速获得量化模型的准确性,并将其提供给搜索引擎以选择最佳拟合。但是,训练此量化感知精度预测器需要收集大量量化的<model,precision>对,这涉及量化感知的微调,因此非常耗时。为了解决这一挑战,本文建议将知识从全精度(即fp32)精度预测器转移到量化感知(即int8)精度预测器,这将大大提高采样效率。此外,为fp32精度预测器收集数据集只需要通过从预训练的 once-for-all 网络中采样就可以评估神经网络,而无需任何训练成本。ImageNet 上的大量实验证明了联合优化方法的好处。与MobileNetV2 + HAQ 相比,APQ 以相同的精度将延迟降低2倍,能耗降低1.3倍。与单独的优化方法(ProxylessNAS + AMC + HAQ )相比,APQ可提高ImageNet精度2.3%,同时减少GPU数量级和CO2排放量,从而推动了绿色AI在环保方面的前沿。

    03

    DEAP数据库介绍--来自于音乐视频材料诱发得到的脑电数据

    DEAP[1](Database for Emotion Analysis usingPhysiological Signals),该数据库是由来自英国伦敦玛丽皇后大学,荷兰特温特大学,瑞士日内瓦大学,瑞士联邦理工学院的Koelstra 等人通过实验采集到的,用来研究人类情感状态的多通道数据,可以公开免费获取。该数据库是基于音乐视频材料诱发刺激下产生的生理信号,记录了32名受试者,观看40分钟音乐视频(每一个音乐视频1分钟)的生理信号和受试者对视频的Valence, Arousal, Dominance,Liking的心理量表,同时也包括前22名参与者的面部表情视频。该数据库可以研究多模态下的生理信号,对情绪脑电的研究具有非常重要的意义。

    02

    DEAP数据集--一个重要的情绪脑电研究数据集(更新)

    DEAP[1](Database for Emotion Analysis usingPhysiological Signals),该数据库是由来自英国伦敦玛丽皇后大学,荷兰特温特大学,瑞士日内瓦大学,瑞士联邦理工学院的Koelstra 等人通过实验采集到的,用来研究人类情感状态的多通道数据,可以公开免费获取。该数据库是基于音乐视频材料诱发刺激下产生的生理信号,记录了32名受试者,观看40分钟音乐视频(每一个音乐视频1分钟)的生理信号和受试者对视频的Valence, Arousal, Dominance,Liking的心理量表,同时也包括前22名参与者的面部表情视频。该数据库可以研究多模态下的生理信号,对情绪脑电的研究具有非常重要的意义。

    03
    领券