17:44
官方账号arXiv cs.LG@Zhiqiang Que, Chang Sun, Haiyang Wang, Dinesh Pamunuwa, Roshan Weerasekera, Qijia Tang, Bakhtiar Zadeh, Wayne Luk, Maria Spiropulu
推荐理由：FQTree把提升决策树的量化做到硬件级，在FPGA上能省26-57%查找表，精度还不掉，做边缘部署的可以看看。
FQTree
共 1 条相关 AI 资讯
8月13日
17:44
FQTree是一种针对提升决策树（BDT）的细粒度量化感知训练算法，配套QXGB框架可自动生成低延迟硬件实现。它采用硬件导向的叶值量化方案，结合全局量化步长与树级移位，实现紧凑的非负整数叶表示、受控裁剪和偏差折叠。该量化在训练过程中逐步应用，使后续树能适应已量化集成模型的误差。在JSC、MNIST和NID数据集上，相比现有FPGA BDT设计，FQTree将LUT使用量减少26%至57%，同时保持或提升准确率。