BriefGPT - AI 论文速递
·
Quasar-ViT: 面向硬件的量化感知架构搜索视觉 Transformer
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
研究论文提出了Quasar-ViT，一个面向硬件的量化感知架构搜索框架，用于设计高效ViT模型并保持准确性。通过训练超网络，使用适应性的量化方案和超网络层缩放技术，确定一系列最优的子网络。在FPGA平台上实现了高速推理和较高的准确性。
🎯
关键要点
- 研究论文提出了Quasar-ViT，一个面向硬件的量化感知架构搜索框架。
- Quasar-ViT旨在设计高效的ViT模型并保持准确性。
- 通过训练超网络，使用适应性的量化方案和超网络层缩放技术，确定最优子网络。
- 应用高效的面向硬件的搜索算法，结合硬件延迟和资源建模。
- 在不同推理延迟目标下确定一系列最优的子网络。
- 在FPGA平台上实现了高速推理和较高的准确性。
- 在AMD/Xilinx ZCU102 FPGA上，模型在ImageNet数据集上实现了不同的推理速度和准确性。
🏷️
标签
➡️
