Q-CapsNets：一种用于胶囊网络量化的专用框架
机器学习
2021-01-26 v2 机器学习
摘要
胶囊网络（CapsNets）由Google Brain团队近期提出，在图像分类等机器学习任务中相较传统CNN具有更优的学习能力。然而，CapsNets需要极其密集的计算，难以以其原始形式部署于资源受限的边缘设备。本文首次尝试对CapsNet模型进行量化，通过开发面向CapsNets的专用量化框架以实现其高效边缘部署。我们在多个基准上评估了该框架。在针对CIFAR10数据集的深度CapsNet模型上，该框架将内存占用降低6.2倍，仅损失0.15%精度。我们将于2020年8月在 https://git.io/JvDIF 开源该框架。
引用
@article{arxiv.2004.07116,
title = {Q-CapsNets: A Specialized Framework for Quantizing Capsule Networks},
author = {Alberto Marchisio and Beatrice Bussolino and Alessio Colucci and Maurizio Martina and Guido Masera and Muhammad Shafique},
journal= {arXiv preprint arXiv:2004.07116},
year = {2021}
}
备注
Accepted for publication at Design Automation Conference 2020 (DAC 2020)