【直播】ICCV 2017论文：性能保障的高阶残差量化网络加速方法

雷锋公开课活动预告

  活动信息

分享主题：  Performance Guaranteed Network Acceleration via High-Order Residual Quantization (性能保障的高阶残差量化网络加速方法)

分享人：李泽凡， 上海交大 CS 系二年级博士生，师从高文院士和张文军教授。 研究方向为神经网络理论、网络加速和压缩。在 ICCV 2017 上发表论文 Performance Guaranteed Network Acceleration via High-Order Residual Quantization。

时间：  9 月 27 日（星期三）  20:00

地点：AI 研习社微信群

  本期提纲

 神经网络的压缩和加速现在已经成为一个热门的课题。这个领域有很多的方法，网络量化就是其中之一。

网络量化分为输入量化和权值量化两种。而同时将输入和权值量化会造成网络精度的大幅下降。作者针对这个问题，提出了高阶残差量化的方法。

既能够利用网络量化带来的大幅计算加速，又能够保证网络的精度不会大幅下降。

  观看直播

识别下方二维码，进入公众号，点击【AI课程】-【公开课报名】进入直播，9 月 27 日（周三）20:00 活动准时开始！

新人福利

关注 AI 研习社（okweiwu），回复  1  领取

【超过 1000G 神经网络 / AI / 大数据，教程，论文】

对我们的分享会有什么建议？

希望成为分享人吗？

让我们听到你的声音

▼▼▼