MINT：用于脉冲神经网络的无乘法整数量化
摘要：多项式无乘法整数（MINT）量化在脉冲神经网络（SNN）的权重和膜电位中采用了一种高效的均匀量化方案。与之前的SNN量化工作不同，MINT将占用大量内存的膜电位量化至极低的位宽（2位），从而显著减少总内存占用。此外，MINT量化共享了权重和膜电位之间的量化尺度，消除了标准均匀量化所需的乘法器和浮点运算单元。实验结果表明，我们提出的方法在准确性上与其他最先进的SNN量化工作相匹配，并在总内存占用和硬件成本方面超越了它们。例如，2位的MINT VGG-16在TinyImageNet上实现了48.6\%的准确率（比完全精确度基线好0.28\%），与完全精度模型相比，总内存占用减少了约93.8\%；同时，与其他SNN量化模型相比，我们的模型面积减少了93\%，动态功耗减少了98\%。
作者：Ruokai Yin, Yuhang Li, Abhishek Moitra, Priyadarshini Panda
论文ID：2305.09850
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-05-23