bit rnn

บิต rnn

ซอร์สโค้ดสำหรับกระดาษ: วิธีการหาปริมาณที่มีประสิทธิภาพสำหรับเครือข่ายประสาทอีกครั้ง

การใช้แบบจำลองภาษา PTB ​​ได้รับการแก้ไขจากตัวอย่างใน TensorFlow

ข้อกำหนด

ปัจจุบันทดสอบและทำงานบน TensorFlow 1.8 และ Python 3.6 ดูสาขาอื่น ๆ สำหรับการสนับสนุนมรดก คุณสามารถดาวน์โหลดข้อมูลได้จาก http://www.fit.vutbr.cz/~imikolov/rnnlm/simple-examples.tgz

วิ่ง

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

ปัจจุบันค่าเริ่มต้นคือน้ำหนัก 2 บิตและการเปิดใช้งาน คุณสามารถแก้ไขไฟล์ config ในโฟลเดอร์ config เพื่อเปลี่ยนการกำหนดค่า

สนับสนุน

ส่งปัญหาสำหรับปัญหาที่เกี่ยวข้องกับรหัสเอง ส่งอีเมลไปยังผู้เขียนสำหรับคำถามทั่วไปเกี่ยวกับกระดาษ

การอ้างอิง

โปรดอ้างอิงติดตามหากคุณใช้รหัสของเราในการวิจัยของคุณ:

 @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}
}