深度学习的金字塔矢量量化
机器学习
2017-04-11 v1 神经与进化计算
摘要
本文探索使用金字塔矢量量化（PVQ）来降低多种神经网络（NNs）的计算代价，同时压缩描述它们的权重。这基于以下事实：一个N维实数向量与一个N维PVQ向量之间的点积仅需加法、减法和一次乘法即可计算。这是有利的，因为神经网络中常用的张量积可归结为点积或一组点积。最后，我们强调任何基于可归结为点积的操作的神经网络架构都能从本文描述的技术中受益。
引用
@article{arxiv.1704.02681,
title = {Pyramid Vector Quantization for Deep Learning},
author = {Vincenzo Liguori},
journal= {arXiv preprint arXiv:1704.02681},
year = {2017}
}