Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
PaddlePaddle
PaddleSlim
提交
d56f8a53
P
PaddleSlim
项目概览
PaddlePaddle
/
PaddleSlim
1 年多 前同步成功
通知
51
Star
1434
Fork
344
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
53
列表
看板
标记
里程碑
合并请求
16
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
P
PaddleSlim
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
53
Issue
53
列表
看板
标记
里程碑
合并请求
16
合并请求
16
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
提交
d56f8a53
编写于
11月 22, 2019
作者:
S
slf12
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
fix details
上级
704cbd9f
变更
1
显示空白变更内容
内联
并排
Showing
1 changed file
with
3 addition
and
3 deletion
+3
-3
demo/quant/quant_embedding/README.md
demo/quant/quant_embedding/README.md
+3
-3
未找到文件。
demo/quant/quant_embedding/README.md
浏览文件 @
d56f8a53
# Embedding量化示例
# Embedding量化示例
本示例介绍如何使用Embedding量化的接口
[
paddleslim.quant.quant_embedding
](
)
。
``quant_embedding``
接口将网络中的Embedding参数从
``float32``
类型量化到
``8-bit``
整数类型,在几乎不损失模型精度的情况下
较
少模型的存储空间和显存占用。
本示例介绍如何使用Embedding量化的接口
[
paddleslim.quant.quant_embedding
](
)
。
``quant_embedding``
接口将网络中的Embedding参数从
``float32``
类型量化到
``8-bit``
整数类型,在几乎不损失模型精度的情况下
减
少模型的存储空间和显存占用。
接口如下:
接口如下:
```
```
...
@@ -25,14 +25,14 @@ quant_embedding(program, place, config, scope=None)
...
@@ -25,14 +25,14 @@ quant_embedding(program, place, config, scope=None)
<p
align=
"center"
>
<p
align=
"center"
>
<img
src=
"./image/before.png"
height=
200
width=
100
hspace=
'10'
/>
<br
/>
<img
src=
"./image/before.png"
height=
200
width=
100
hspace=
'10'
/>
<br
/>
<strong>
图
3:应用ConvertToInt8Pass后的结果
</strong>
<strong>
图
1:量化前的模型结构
</strong>
</p>
</p>
量化后:
量化后:
<p
align=
"center"
>
<p
align=
"center"
>
<img
src=
"./image/after.png"
height=
300
width=
300
hspace=
'10'
/>
<br
/>
<img
src=
"./image/after.png"
height=
300
width=
300
hspace=
'10'
/>
<br
/>
<strong>
图
3:应用ConvertToInt8Pass后的结果
</strong>
<strong>
图
2: 量化后的模型结构
</strong>
</p>
</p>
以下将以
``基于skip-gram的word2vector模型``
为例来说明如何使用
``quant_embedding``
接口。首先介绍
``基于skip-gram的word2vector模型``
的正常训练和测试流程。
以下将以
``基于skip-gram的word2vector模型``
为例来说明如何使用
``quant_embedding``
接口。首先介绍
``基于skip-gram的word2vector模型``
的正常训练和测试流程。
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录