arXiv Computer Vision· Reem Abdel-Salam, Ahmed H. Abdel-Gawad, Amr G. Wassal·· 20 小时前AI 评分22
VLCQ：用可变长度编码实现深度神经网络训练后量化
VLCQ: Post-training quantization for deep neural networks using variable length coding
AI 导读
VLCQ 是一种基于可变长度编码的训练后量化方法，放松了定点编码约束，无需访问训练数据或微调模型即可降低比特宽度。在图像分类、分割和检测任务上，逐通道量化最高实现较 FP32 6 倍、较 PWLQ 1.7 倍压缩，并超过 FP32 与 PWLQ 精度；优先压缩时较 FP32 最高 12.25 倍压缩，性能下降不足 4%。逐张量量化与 DFQ 相当，且在不同任务和模型上支持更低比特率。
来源：arXiv Computer Vision · arxiv.org