Top-1 Accuracy (%): 85.03Weight bits: 8Activation bits: 8
Papers with Code · CC BY-SA 4.0
Quantization
Quantization is a promising technique to reduce the computation cost of neural network training, which can replace high-cost floating-point numbers (e.g., float32) with low-cost fixed-point numbers (e.g., int8/int16).
<span class="description-source">Source: Adaptive Precision Training: Quantify Back Propagation in Neural Networks with Fixed-point Numbers </span>
개요는 각 항목의 일부입니다. 위 탭에서 전체 기록을 페이지별로 탐색할 수 있습니다.
벤치마크
Papers with Code 아카이브의 데이터셋별 기록 예시입니다. 평가 조건과 지표 방향이 검증되지 않아 순위를 의미하지 않습니다.
데이터셋
12개논문
Top-1 Accuracy (%): 77.878Weight bits: 4Activation bits: 4
Top-1 Accuracy (%): 78.972Weight bits: 8Activation bits: 8
라이브러리
Papers with Code 리더보드 row에 연결된 구현 저장소입니다.