pychop：在数值方法和神经网络中模拟低精度运算

《ACM Transactions on Mathematical Software》：pychop: Emulating Low-Precision Arithmetic in Numerical Methods and Neural Networks

　　

摘要AI 摘要

要查看此 AI 生成的摘要，您必须拥有高级访问权限。

了解更多登录

摘要

摘要

受计算科学中降低精度算术需求日益增长的驱动，我们利用 Python 中的低精度模拟——Python 被广泛认为是数值分析和机器学习领域的主导编程语言。低精度范式通过实现更高效的计算和减少内存占用，同时保持模型保真度，从而革新了深度学习。为了更好地支持降低精度计算的数值实验和探索，我们开发了 pychop，它在 Python 中支持可定制的浮点格式和全面的舍入模式集合，使用户能在众多应用中受益于快速的低精度模拟。pychop 还为数组和张量后端提供了灵活的接口，从而能够在 CPU 和 GPU 上高效地进行低精度模拟，用于神经网络部署。

在本文中，我们全面阐述了 pychop 的设计和应用。此外，我们展示了使用公开数据集进行的图像分类和对象检测的低精度模拟经验结果，说明了其对低精度的敏感性，并提供了对其量化感知训练和量化后影响的宝贵见解。作为推进混合精度算法的基础工具，pychop 使人们能够深入研究科学计算和深度学习部署中数值精度的影响，从而促进新型硬件加速器的开发。

AI 摘要

AI 生成的摘要（实验性）

本摘要使用自动化工具生成，未经文章作者撰写或审核。它旨在支持发现，帮助读者评估相关性，并协助来自相邻研究领域的读者理解该工作。它旨在补充作者提供的摘要，而后者仍是论文的主要摘要。全文仍然是权威的记录版本。点击此处了解更多。

点击 此处 对本摘要的准确性、清晰度和有用性进行评论。这样做将有助于改进和未来重新生成的版本。

要查看此 AI 生成的通俗语言摘要，您必须拥有高级访问权限。