主题
用启发式方法量化LSTM层
说明
神经网络的量化对于在没有FPU的MCU上获得良好性能至关重要，例如在Arm M0-M3核上。LSTM层尤其难以量化，而且在大多数框架中长期缺乏支持。
Imagimob已经实现了一种启发式训练后量化方法，在这种方法中，他们可以通过对量化参数的一组要求来减少量化误差。
在这篇演讲中，你将了解为什么我们需要量化，什么是训练后的量化，为什么我们将得到一个控制量化参数的方程组，以及如何近似这个方程组。最后，Imagimob还将展示作为Imagimob AI用户，您如何使用它来量化Arm IP上的Tensorflow/Keras模型。
本讲座是每两周一次的AI虚拟技术讲座系列的一部分：https://developer.arm.com/solutions/machine-learning-on-arm/ai-virtual-tech-talks
Arm将根据我们的隐私政策处理您的信息：
https://www.arm.com/company/policies/privacy.
时间
伦敦时间 2022年4月5日 下午04:00
注册地址：
https://armltd.zoom.us/webinar/register/6116479420698/WN__NOQ5D4oSziqa41LBsQ0wQ
