Entropy-Constrained Adaptive Stochastic Quantization
熵约束自适应随机量化
机构 * University College London(伦敦大学学院) ; VMware Research by Broadcom(博通旗下VMware研究院) ; Harvard University(哈佛大学)
AI总结 本文针对自适应随机量化未考虑后续熵编码的精度损失问题,提出ECASQ方法,给出最优与GPU友好近似动态规划方案,实验表明其精度接近最优且速度优势显著。