De-mkd: decoupled multi-teacher knowledge distillation basado en entropía
Autores: Cheng, Xin; Zhang, Zhiqiang; Weng, Wei; Yu, Wenxin; Zhou, Jinjia
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
De-mkd: decoupled multi-teacher knowledge distillation basado en entropía
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Modelos de redes neuronales profundas
Destilación de conocimiento
Destilación de conocimiento de múltiples docentes
Tecnología de compresión de modelos
Destilación de Conocimiento de Múltiples Docentes Desacoplados
Entropía
Rendimiento.
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 26
Citaciones: Sin citaciones
La complejidad de los modelos de redes neuronales profundas (DNNs) limita severamente su aplicación en dispositivos con recursos de computación y almacenamiento limitados.
Descripción
La complejidad de los modelos de redes neuronales profundas (DNNs) limita severamente su aplicación en dispositivos con recursos de computación y almacenamiento limitados.