ECCVMar, 2022
用于超低精度超分辨率网络的动态双可训练边界
Dynamic Dual Trainable Bounds for Ultra-low Precision Super-Resolution Networks
Yunshan Zhong, Mingbao Lin, Xunchao Li, Ke Li, Yunhang Shen...
TL;DR本文提出了一种新的激活量化方法 - 动态双可训练界(DDTB),以解决超低精度(例如 2 位和 3 位)SR 模型在使用低成本层面量化器进行量化时所遇到的性能下降困境,该方法通过针对激活的不对称性做出创新,并且使用动态门控器运行时自适应地调整上下界以克服不同样例的激活范围巨大变化问题。