bit rnn

Bit-rnn

Code source pour le papier: Méthodes de quantification efficaces pour les réseaux de neurones récurrents.

L'implémentation du modèle de langue PTB est modifiée à partir d'exemples dans TensorFlow.

Exigences

Actuellement testé et exécuté sur TensorFlow 1.8 et Python 3.6. Affichez d'autres branches pour le support hérité. Vous pouvez télécharger les données à partir de http://www.fit.vutbr.cz/~imikolov/rnnlm/simple-examples.tgz.

Courir

 python train.py --config=config.gru --data_path=YOUR_DATA_PATH

Actuellement, la valeur par défaut est des poids et des activations 2 bits. Vous pouvez modifier le fichier config dans le dossier Config pour modifier la configuration.

Soutien

Soumettre le problème pour le problème concerne le code lui-même. Envoyez un e-mail à l'auteur pour une question générale sur le document.

Citation

Veuillez citer Suivre si vous utilisez notre code dans votre recherche:

 @article{DBLP:journals/corr/HeWZWYZZ16,
  author    = {Qinyao He and
               He Wen and
               Shuchang Zhou and
               Yuxin Wu and
               Cong Yao and
               Xinyu Zhou and
               Yuheng Zou},
  title     = {Effective Quantization Methods for Recurrent Neural Networks},
  journal   = {CoRR},
  volume    = {abs/1611.10176},
  year      = {2016},
  url       = {http://arxiv.org/abs/1611.10176},
  timestamp = {Thu, 01 Dec 2016 19:32:08 +0100},
  biburl    = {http://dblp.uni-trier.de/rec/bib/journals/corr/HeWZWYZZ16},
  bibsource = {dblp computer science bibliography, http://dblp.org}
}