基于AI神经网络加速芯片的模型量化算法

来源 :现代计算机 | 被引量 : 0次 | 上传用户:liunanr0306
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,随着深度学习的不断发展,深度卷积神经网络在各个实际场景中得到广泛的应用.然而,由于训练好的模型参数的保存精度和推理精度通常是32位浮点型,其计算复杂度高、内存占用较大、耗时长等缺点,导致一些精度很高的模型往往很难部署到计算和内存资源受限的边缘设备上去.针对此,本文提出一种将浮点模型量化为定点模型的量化算法,此算法可以在模型训练过程中使用网络学习出特定的层应该采取的量化精度,避免了人为设定量化精度从而导致训练好的定点模型精度较浮点模型精度严重降低的情况.最后结合ASIC神经网络加速芯片进行边缘端部署,证明了算法的有效性.
其他文献
为了解决大量重复数据导致MapReduce的混淆消耗过大及网络传输拥堵的问题,设计了一种基于MapReduce框架的相似连接算法Q-sample.该算法首先将Q-sample的子串进行分割以减少过滤阶段的子串数量,从而减少网络传输数量,进而减少相似连接所耗费的时间,然后通过设计三个匹配过滤器和一个统计特征过滤器的方法来提高过滤效率,最后进行相关实验.实验结果表明,算法有效地提高了MapReduce众局部相似自连接速度和字符匹配的过滤效率.
相比于传统的二维RGB图像的语义分割,使用具有三维信息的RGBD图像,可以提高算法的精度.于是,研究深度图信息如何引入至关重要.采用非对称融合模块,在融入深度图信息时降低其噪声带来的负面影响,并在融合前使用通道注意力模块对深度图信息以及RGB信息进行处理,使通道信息得到有效过滤.另外,针对像素之间的关联性不易利用的问题,利用自注意力机制的思想设计了关联上下文模块,用来联合感知并编码多模态深层特征.通过将模块集成到一个双通路的编码解码结构的基本网络模型中,并在NYU-Depth v2室内语义分割数据集上做了
本文运用C++语言在Visual Studio 2019平台上设计开发了一款连连看游戏,游戏画面清晰,规则简单容易上手,运行效果良好.
近年来,基于深度学习的显著性目标检测(SOD)取得了很大进展.目前主流的基于深度学习方法的RGB显著性目标检测,忽略了编码器和解码器之间信息交换,以及不同层级编码器对最终预测图的贡献差异.本文设计了一种基于多尺度特征解码的RGB显著性目标检测网络,通过在编码和解码模块之间增加精炼过渡层和注意力机制,对编码器输出特征进行打磨,以还原更详细的显著性信息.此外,在网络的顶部增加感受野增强模块,以定位不同尺度信息,增强深层特征的全局语义信息,使预测结果更准确.在主流的6个数据集上的测试结果显示,本文的方法优于其他
在PLC课程的教学过程中,实验教学是PLC课程中的重要环节.利用KingView组态王软件实现PLC虚拟仿真实验项目的设计,在平台上做模拟仿真,通过直观的结果展开分析,活跃了教学气氛,拓宽了教学内容,优化了实验教学方法和教学手段,提高了学生的专业技能,培养了学生创新能力和动手能力,激发了学生的学习兴趣,提高了教学质量.
为了减小RRT算法的迭代次数和路径长度,提出了一种基于地图统计信息的优化RRT算法.该算法根据地图中障碍物的统计信息,量化障碍物分布情况,然后计算出以终点为导向的搜索引导概率,以自适应地引导RRT算法搜索尽快向终点收敛,从而减少RRT算法的迭代次数和路径长度.实验结果表明,提出的算法在迭代次数和路径长度方面均优于RRT和Goal-bias RRT算法.
社交网络平台的快速发展伴随着谣言的泛滥,对国家安全和社会稳定危害严重.现有研究大多通过学习文本语义实现谣言检测,但未对文本中的情感以及不同类型谣言中的细粒度特征给予足够重视.因此,本研究引入基于情感增强的谣言检测方法,使用预训练模型BERT实现句子级别的文本情感增强,使用TextCNN学习不同类型谣言的特征,从局部细化和整体感知两方面引导网络学习.实验结果表明,所提出方法在rumdetect、CED_Dataset公开数据集上都有较好的检测准确性.
随着智慧园区、平安社区的发展建设,维护电梯安全运行、用户及访客便捷乘梯,智慧梯控管理系统圆满解决了现代物业管理这一迫切功能需求.人脸识别技术与智能卡读写技术集成研发,实现自动识别用户或访客身份和权限,自动提供相应的乘梯服务,陌生用户或非法人员将被拒绝乘坐电梯.通过智慧管理平台可以查询用户乘梯记录及图像、报表统计,操作移动客户端可以直接乘梯并查看本人的乘梯信息、图片记录,管理员可以远程操控乘梯及查看全部记录信息,通过手机扫码可实现访客乘梯功能,并对访客乘梯人员进行记录和图像抓拍.智慧梯控实现了“智慧通行、便
诸多场景都需要采用定向高增益的双极化天线.采用加载三角寄生单元增加表面电流路径以提高增益,设计了一款新型正交双线极化角馈桌形天线,并以对称反相馈电组成阵列.设计和加工一只2×2天线阵列样品为例,两组端口分别馈电.测试结果表明,该阵列谐振频率在5.8 GHz,平均阻抗带宽达到6.5%,增益约为15.5 dBi,口径效率约为76%,测试与仿真结果吻合良好.对应于中心工作频率的电尺寸为1.93λ×1.93λ×0.077λ(λ为中心频率为5.8 GHz时对应自由空间中的波长).
显著性目标检测(SOD)是计算机视觉中用于检测、分割和分类不同尺度物体的一个基本课题.在基于RGB-D的显著性目标检测中的一个主要问题是如何有效地融合多层次特征.针对RGB-D显著性目标检测的多层次特征融合问题,通过设计一种以深层次特征为主逐步细化融合的双流网络模型,来完整并细致地检测出显著目标,其中使用Depth图像提供补充信息,以提高网络在复杂场景中的性能.在常用的5个数据集上的实验结果表明,这一模型在完整细致地检测出显著目标方面有优越的性能.