Vpliv kvantizacije na učinkovitost globokih nevronskih mrež : magistrsko delo

Oprešnik, Jakob

| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Prva stran > Izpis gradiva

Izpis gradiva

Naslov:	Vpliv kvantizacije na učinkovitost globokih nevronskih mrež : magistrsko delo
Avtorji:	ID Oprešnik, Jakob (Avtor) ID Strnad, Damjan (Mentor) Več o mentorju... ID Lukač, Luka (Komentor)
Datoteke:	MAG_Opresnik_Jakob_2025.pdf (5,77 MB) MD5: CC9BB06378702EBD88F34A37D206FDC2
Jezik:	Slovenski jezik
Vrsta gradiva:	Magistrsko delo/naloga
Tipologija:	2.09 - Magistrsko delo
Organizacija:	FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:	V magistrskem delu predstavimo različne tehnike kvantizacije globokih nevronskih mrež in raziskujemo njihov vpliv na učinkovitost modelov. Na klasifikacijskem modelu ResNet-18 in regresijskem LSTM primerjamo metode kvantizacije med učenjem in po učenju, pri čemer eksperimentiramo s kvantizacijo uteži, aktivacij in gradientov pri bitni širini 16 in 8. Rezultati so v skladu s pričakovanji in kažejo, da določene metode znatno zmanjšajo velikost modelov in povečajo hitrost sklepanja ob ohranjanju primerljive točnosti, kar omogoča učinkovito implementacijo modelov na napravah z omejenimi računalniškimi viri.
Ključne besede:	kvantizacija, kvantizacija po učenju, kvantizacija med učenjem, nevronska mreža, globoko učenje
Kraj izida:	Maribor
Kraj izvedbe:	Maribor
Založnik:	[J. Oprešnik]
Leto izida:	2025
Št. strani:	1 spletni vir (1 datoteka PDF (XII, 47 str.))
PID:	20.500.12556/DKUM-95349
UDK:	004.032.26(043.2)
COBISS.SI-ID:	257236227
Datum objave v DKUM:	17.10.2025
Število ogledov:	168
Število prenosov:	73
Metapodatki:
Področja:	KTFMB - FERI
:	Kopiraj citat

Skupna ocena:	(0 glasov)
Vaša ocena:	Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:

Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:	CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna

Povezava:	http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:	Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:	15.09.2025

Sekundarni jezik

Jezik:	Angleški jezik
Naslov:	The impact of quantization on the performance of deep neural networks
Opis:	This master's thesis presents various quantization techniques for deep neural networks and investigates their impact on model performance. We evaluate the ResNet-18 classification model and an LSTM regression model using quantization methods applied during and after training, experimenting with the quantization of weights, activations, and gradients at bit widths of 16 and 8. The results align with expectations and show that certain methods significantly reduce model size and improve inference speed, while maintaining comparable accuracy, thereby enabling efficient deployment of models on devices with limited computational resources.
Ključne besede:	quantization, post-training quantization, quantization-aware training, neural network, deep learning

Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)

0 - 0 / 0

Ni komentarjev!

Nazaj