Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

模型压缩方法、训练方法、多媒体数据处理方法及装置 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

摘要:本公开提供了模型压缩方法、训练方法、多媒体数据处理方法及装置,涉及人工智能技术领域,尤其涉及深度学习、自然语言处理、计算机视觉等技术领域。该模型压缩方法的具体实现方案为:将多媒体数据输入待压缩模型,得到待压缩模型中级联的N个处理层中每个处理层的激活值矩阵,其中,第n个处理层的激活值矩阵表征由位于第n个处理层之前的n-1个处理层对多媒体数据处理后得到的输出特征;根据激活值矩阵中的激活值的分布信息,生成每个处理层的权重缩放因子;根据每个处理层的权重缩放因子,对每个处理层的权重参数进行缩放处理,得到每个处理层的待量化参数;以及基于预定量化精度,依次对每个处理层的待量化参数进行量化,得到压缩模型。

主权项:1.一种模型压缩方法,包括:将多媒体数据输入待压缩模型,得到所述待压缩模型中级联的N个处理层中每个处理层的激活值矩阵,其中,第n个处理层的激活值矩阵表征由位于第n个处理层之前的n-1个处理层对所述多媒体数据处理后得到的输出特征,N为大于1的整数,n=2,…N;根据所述激活值矩阵中的激活值的分布信息,生成所述每个处理层的权重缩放因子;根据所述每个处理层的权重缩放因子,对所述每个处理层的权重参数进行缩放处理,得到所述每个处理层的待量化参数;以及基于预定量化精度,依次对所述每个处理层的待量化参数进行量化,得到压缩模型。

全文数据:

权利要求:

百度查询: 北京百度网讯科技有限公司 模型压缩方法、训练方法、多媒体数据处理方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。