基于二值的网络加速

• 作者: 谢佳砼
• 来源期刊: 电子制作
• 关键词: 卷积神经网络 二值运算 计算复杂度 激活值
• 年，卷（期）: 2018,（24）
• 所属期刊栏目: 软件开发
• 页码范围: 33-35,32
• 页数: 4页
• 字数: 3414字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-5059.2018.24.014

摘要

近来卷积神经网络应用广泛,用于图像检索,图像定位以及自动驾驶等领域.由于对于实时应用的要求,深度卷积网络速度的要求也与日俱增,根据卷积神经网络的特点,提出了二值卷积神经网络的训练方案,卷积神经网络在运行时会有二值化的权重和激活值,在训练时,二值化的权重和激活值用于计算参数梯度,在正向传递期间,BNN大大减少了储存所需的大小以及交互的大小,并且通过逐位的计算代替了大多数算术运算,这有望显著提高其运行效率.由于卷积神经网络的权重用二值+1,-1代替,乘法运算的计算复杂度高,二值运算仅仅只需加法和减法代替了原来的加法减法以及乘法,运算速度大大得到了提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢佳砼		1	0	0.0	0.0