

Brevitas เป็นห้องสมุด Pytorch สำหรับการหาปริมาณเครือข่ายประสาทโดยสนับสนุนทั้ง การฝึกอบรมหลังการฝึกอบรม (PTQ) และ การฝึกอบรมเชิงปริมาณ (QAT)
โปรดทราบว่า Brevitas เป็นโครงการวิจัยและไม่ใช่ผลิตภัณฑ์ Xilinx อย่างเป็นทางการ
หากคุณชอบโครงการนี้โปรดพิจารณา repo นี้เนื่องจากเป็นวิธีที่ง่ายที่สุดและดีที่สุดในการสนับสนุน
คุณสามารถติดตั้งรีลีสล่าสุดจาก PYPI:
pip install brevitas ปัจจุบัน Brevitas เสนอ QuantLSTM ใช้งานเชิงปริมาณของชั้น pytorch ที่พบมากที่สุด QuantConvTranspose2d ใช้ใน DNN ภาย QuantRNN brevitas.nn เช่น QuantConv1d , QuantConv2d , QuantConvTranspose1d , QuantMultiheadAttention สำหรับแต่ละเลเยอร์เหล่านี้การหาปริมาณของเทนเซอร์ที่แตกต่างกัน (อินพุต, น้ำหนัก, อคติ, เอาต์พุต ฯลฯ ) สามารถปรับแต่งเป็นรายบุคคลตามการตั้งค่าปริมาณที่หลากหลาย
เป็นข้อมูลอ้างอิงสำหรับ PTQ, Brevitas จัดเตรียมตัวอย่างการไหลของผู้ใช้สำหรับโมเดลการจำแนกประเภท Imagenet ภายใต้ brevitas_examples.imagenet_classification.ptq ที่หาปริมาณแบบจำลอง Torchvision อินพุตโดยใช้ PTQ ภายใต้การกำหนดค่าปริมาณที่แตกต่างกัน
สำหรับข้อมูลเพิ่มเติมเช็คเอาต์คู่มือการเริ่มต้นใช้งานของเรา
หากคุณนำ Brevitas มาใช้โปรดอ้างอิงเป็น:
@software{brevitas,
author = {Alessandro Pappalardo},
title = {Xilinx/brevitas},
year = {2023},
publisher = {Zenodo},
doi = {10.5281/zenodo.3333552},
url = {https://doi.org/10.5281/zenodo.3333552}
}