BriefGPT.xyz
Ask
alpha
关键词
time steps
搜索结果 - 4
对时间步骤的深入研究值得将扩散模型训练速度提升三倍
通过对时间步骤的详细研究,我们介绍了一种名为的扩散模型训练加速新方法,该方法可以显著减少训练时间,并通过非对称采样策略和加权策略来优化训练过程,实现了多种扩散架构、数据集和任务的 3 倍加速。
PDF
a month ago
生物启发计算与深度学习的相遇:从人工神经网络到低延迟、准确、高能效的脉冲神经网络
通过修改 SNN 整合 - 发射神经元模型和在训练 ANN 过程中使用细粒度 L1 正则化和替代梯度等方法,我们提出了一种新的 ANN 转 SNN 框架,可以以极低的时间步和高级稀疏性实现无损 SNN,低延迟,低计算能耗和高测试准确性(例如
→
PDF
7 months ago
使用动态时间步长的脉冲神经网络用于视觉变换器
基于动态分配时间步数的训练框架,提出了一种对视觉变换器进行训练的方法,以提高能量效率并在图像识别任务中获得 95.97% 的测试准确率。
PDF
7 months ago
AutoDiffusion:无需训练的自动扩散模型加速的时间步长和架构优化
我们提出了一种统一的框架来在扩散模型中实现有效的图像生成,其中搜索最佳时间步骤序列和压缩模型架构,无需进一步的训练。通过引入两阶段进化算法和使用生成和真实样本之间的 FID 评分来加速搜索过程,该方法在仅使用几个时间步骤时实现了出色的性能。
PDF
10 months ago
Prev
Next