用于文本分类的支持向量机模型的低精度训练
机器学习
2020-07-20 v1 计算与语言
机器学习
摘要
本文展示了在支持向量机（SVM）训练过程中使用量化对多类文本分类效率的影响。本工作着重比较以降精度训练的 SVM 模型与其原始形式在效率上的差异。使用量化的主要优势在于在支持低精度计算（如 GPU（16 位）或 FPGA（任意位宽））的专用硬件平台上减少计算时间与内存占用。本文展示了 SVM 训练过程精度降低对文本分类精度的影响。CPU 的实现使用 OpenMP 库完成。此外，给出了使用双精度、单精度和半精度的 GPU 实现结果。
引用
@article{arxiv.2007.08657,
title = {Training with reduced precision of a support vector machine model for text classification},
author = {Dominik Żurek and Marcin Pietroń},
journal= {arXiv preprint arXiv:2007.08657},
year = {2020}
}