热门
最新
红包
立Flag
投票
同城
我的
发布
《量化激活值分层校准实战》
挑战：原模型量化后mAP从56.7%降至48.2%（全局校准）。方案为卷积层（12层）和检测头（2层）分别校准。采用KL散度优化，校准数据集仅用2000张图像（原需5000张）。结果：mAP回升至55.3%，推理速度提升2.1倍（INT8），精度损失<2%。图2：分层校准（Layer-wise）与全局校准（Global）在目标检测任务中的mAP对比。
——来自博客 https://blog.csdn.net/jie_kou/article/details/156882510
分层校准将精度损失压缩至1-2%。(单选)
0 人已经参与 已结束
正确
0人
错误
0人
CSDN App 扫码分享
评论
点赞
- 复制链接
- 举报
