基于hashing的二值加速

随着人类科技的进步和发展,我们对人工智能的要求越来越高,为了满足对人工智能发展的需要,计算机的深度学习便成为了不可或缺的一部分,人类引入卷积神经网络来减少计算机的运算量以及加快计算机的计算速度,通过卷积核进行图像处理,将每一个像素点的权重进行加权平均,从而以达到权值共享来减少参数的个数,这样就能使计算量更小,而深度学习的过程中,巨大的参数量会占据很多的硬盘存储,并且这些计算工作只能在计算机上进行,无法移动到更小的移动设备上以达到方便人们需要的作用,为此人类又引出了二值网络,二值网络通过将参数二值化便可将存储量大大降低,虽然可能少许降低网络的精确度,但对于计算机的需求程度也就大大降低了,这为今后将网络的深度学习移植到手机,汽车上提供了可能,这样就会更加方便人类的生活,达到人类对人工智能实时性和准确性的要求。