Εμφάνιση απλής εγγραφής

dc.contributor.author	Ντόκου, Μυρσίνη	el
dc.contributor.author	Ntokou, Myrsini	en
dc.date.accessioned	2025-04-11T09:37:16Z
dc.date.available	2025-04-11T09:37:16Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/61683
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.29379
dc.rights	Default License
dc.subject	Κβαντοποίηση	el
dc.subject	Βαθιά μάθηση	el
dc.subject	Συνελικτικά νευρωνικά δίκτυα	el
dc.subject	Βελτιστοποίηση μοντέλων	el
dc.subject	Quantization	en
dc.title	Βελτιστοποίηση νευρωνικών δικτύων με χρήση κβαντοποίησης	el
heal.type	bachelorThesis
heal.classification	μηχανική μάθηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2024-11-07
heal.abstract	Η κβαντοποίηση αποτελεί ένα ευρέως διαδεδομένο πεδίο έρευνας για την βελτιστοποίηση νευρωνικών δικτύων, με στόχο τη μείωση των υπολογιστικών απαιτήσεων και του αποτυπώματος μνήμης των μοντέλων βαθιάς μάθησης. Αυτή η διπλωματική εργασία εξετάζει την αποτελεσματικότητα της κβαντοποίησης μετά την εκπαίδευση (Post-Training Quantization - PTQ) ως μέθοδο βελτιστοποίησης σε αρχιτεκτονικές συνελικτικών νευρωνικών δικτύων (CNN) και μεγάλων γλωσσικών μοντέλων. Με τη χρήση της κβαντοποίησης, τα βάρη και οι ενεργοποιήσεις των μοντέλων μετατρέπονται σε αναπαραστάσεις χαμηλότερης ακρίβειας, μειώνοντας σημαντικά τον χρόνο εκτέλεσης και το αποτύπωμα σε μνήμη, χωρίς σημαντικές απώλειες ακρίβειας. Με την εξέταση διαφόρων μεθόδων κβαντοποίησης, αναδεικνύεται ο τρόπος με τον οποίο τα CNN και τα γλωσσικά μοντέλα ανταποκρίνονται στις μειώσεις ακρίβειας αναπαράστασης. Με πειράματα πάνω σε δημοφιλή σύνολα δεδομένων αξιολογούνται οι διαφορές στα μεγέθη των μοντέλων, την ταχύτητα εξαγωγής αποτελεσμάτων και την ακρίβεια. Τα ευρήματα αποκαλύπτουν ότι με την κβαντοποίηση μπορεί να επιτευχθεί σημαντική εξοικονόμηση πόρων διατηρώντας παράλληλα υψηλή ακρίβεια, ενισχύοντας έτσι την δυνατότητα ανάπτυξης προηγμένων μοντέλων σε συσκευές με περιορισμένους πόρους.	el
heal.advisorName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Κόλλιας, Στέφανος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	71 σ.	el
heal.fullTextAvailability	false

Αρχεία σε αυτό το τεκμήριο

Όνομα: Thesis_Myrsini_Nt ...

Μέγεθος: 5.081Mb

Μορφότυπο: PDF

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στην ακόλουθη συλλογή(ές)

• Διπλωματικές Εργασίες [18578]
  

Εμφάνιση απλής εγγραφής