压缩深度神经网络：一种使用 Kac 随机游走矩阵的新哈希流水线
机器学习
2018-09-27 v3
摘要
深度学习的普及与日俱增。然而，尽管硬件近期有所进步，深度神经网络在计算上仍然密集。近期工作表明，通过保持向量间的角度距离，随机特征映射能够在不给估计器引入偏差的情况下降低维度。我们测试了多种成熟的哈希流水线，以及一种使用 Kac 随机游走矩阵的新方法。我们证明该方法取得了与现有流水线相似的精度。
引用
@article{arxiv.1801.02764,
title = {Compressing Deep Neural Networks: A New Hashing Pipeline Using Kac's Random Walk Matrices},
author = {Jack Parker-Holder and Sam Gass},
journal= {arXiv preprint arXiv:1801.02764},
year = {2018}
}