Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | 서지원 | - |
dc.contributor.author | 최강 | - |
dc.date.accessioned | 2021-02-24T16:01:41Z | - |
dc.date.available | 2021-02-24T16:01:41Z | - |
dc.date.issued | 2021. 2 | - |
dc.identifier.uri | https://repository.hanyang.ac.kr/handle/20.500.11754/158941 | - |
dc.identifier.uri | http://hanyang.dcollection.net/common/orgView/200000486137 | en_US |
dc.description.abstract | 심층 신경망에서 Quantization은 입력 데이터와 가중치와 같이 연속된 실수로 표현된 값을 이산적인 정수로 근사하여 계산하는 기법이다. Quantization은 정수 형태로 근사를 하기 위해 정수형 구간을 정해 영점(Zero-Point)을 설정하고 스케일링(Scale)을 통해 진행하게 된다. 하지만 많은 입력 데이터에 대해 정확도를 유지하면서 영점과 스케일링을 찾기 위해 Fine-Tuning을 학습하게 되면 시간적인 비용이 많이 들게 된다. 본 논문에서는 Quantization을 하기 위해 요구되는 영점과 스케일을 찾기 위해 Fine-Tuning 학습 시, 시간 대비 정확도의 Trade-Off를 분석하고 모델에 따른 이상적인 학습 수행량을 찾는 것에 목표가 있다. | - |
dc.publisher | 한양대학교 | - |
dc.title | 심층신경망의 Quantization 학습에 대한 시간과 정확도의 Trade-Off 분석 및 최소 학습량 도출 | - |
dc.title.alternative | Time and Accuracy Trade-Off Analysis and Minimum Learning Amount for Deep Neural Network Quantization Learning | - |
dc.type | Theses | - |
dc.contributor.googleauthor | 최강 | - |
dc.contributor.alternativeauthor | Kang Choi | - |
dc.sector.campus | S | - |
dc.sector.daehak | 대학원 | - |
dc.sector.department | 컴퓨터·소프트웨어학과 | - |
dc.description.degree | Master | - |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.