基于深度学习的混合精度量化方法与优化研究

课题名称: 基于深度学习的混合精度量化方法与优化研究
学科专业: 计算机科学
课题关键词: 混合精度量化精度分配策略协同优化
辅导模式: 1对1
发表目标: SCI期刊1-2区 CCF-C
课题介绍: 深度学习技术在计算机视觉、自然语言处理等领域取得突破性进展，但随着模型规模的扩大，其高计算复杂度和存储开销成为制约边缘设备部署的关键瓶颈。量化技术通过将高精度参数（如FP32）转换为低精度格式（如INT8），能有效降低计算资源需求，其中混合精度量化因兼顾精度与效率而成为研究热点。该方法需解决不同层/通道的精度分配策略、量化噪声对模型性能的影响、以及训练过程与量化过程的协同优化等关键问题。目前，基于混合精度量化的模型压缩与加速方法在保持模型性能的同时，显著提升了硬件部署效率，对推动深度学习在资源受限场景下的应用具有重要理论与实践价值。

导师信息

科研导师

Dr. Li

985高校博士

导师介绍

研究领域：计算机视觉,缺陷检测,神经架构搜索,性能预测器,演化计算学术成果：已在ACM Computing Surveys，IEEE Transactions on Fuzzy Systems，IEEE Transactions on Evolutionary Computation , IEEE Transactions on Cybernetics等知名期刊及会议上发表论文14篇，其中，第一作者/第二作者发表论文8篇（含高被引3篇），Google引用200余次；担任TEVC、TNNLS、IOT、TAI、TCE、NeurIPS等20余个SCI期刊及国际会议审稿人；

招生要求

面向具有相关学科背景与研究兴趣的学习者，具体要求以课题导师评估为准。