技术编号：33948018
提示：您尚未登录，请点 登 陆 后下载，如果您还没有账户请点 注 册 ，登陆完成后，请刷新本页查看技术详细信息。.本发明涉及深度学习领域，具体来说，涉及一种基于离散向量的深度学习系统及方法。背景技术.随着深度神经网络(dnn)变得更大和更复杂，与实际的生物神经网络中体现的特点一样，离散性正在成为dnn探索效率和可伸缩性的最关键的维度。一个dnn模型通常被建模为一个数据流图(dfg)，其中dfg中的每个节点都是一个具有一个或多个输入和输出向量的操作符。.模型离散性包括在向量上引入一些特定的离散性模式：量化或者是剪枝，或者是两者的结合。通过仔细的量化和修剪，dnn模型可以压缩到更小的内存占用，而不会损失...
注意：该技术已申请专利，请尊重研发人员的辛勤研发付出，在未取得专利权人授权前，仅供技术研究参考不得用于商业用途。
该专利适合技术人员进行技术研发参考以及查看自身技术是否侵权，增加技术思路，做技术知识储备，不适合论文引用。
请注意，此类技术没有源代码，用于学习研究技术思路。