bit rnn

비트 rnn

종이 소스 코드 : 재발 신경 네트워크를위한 효과적인 양자화 방법.

PTB 언어 모델의 구현은 Tensorflow의 예에서 수정됩니다.

요구 사항

현재 Tensorflow 1.8 및 Python 3.6에서 테스트 및 실행됩니다. 레거시 지원을 위해 다른 지점을보십시오. http://www.fit.vutbr.cz/~imikolov/rnnlm/simple-examples.tgz에서 데이터를 다운로드 할 수 있습니다.

달리다

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

현재 기본값은 2 비트 가중치 및 활성화입니다. 구성 폴더에서 구성 파일을 편집하여 구성을 변경할 수 있습니다.

지원하다

코드 자체와 관련된 문제에 대한 문제 제출 문제. 논문에 대한 일반적인 질문을 위해 저자에게 이메일을 보내십시오.

소환

귀하의 연구에서 당사 코드를 사용하는 경우 다음과 같이 따르십시오.

 @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}
}