知识卡片
计算精度与资源权衡
浮点数位数影响模型数组的内存占用、数据传输和数值精度。书中优先用 float32 学习,并将已训练权重转成 float16 保存以降低存储量;结果精度和运行速度依赖模型及硬件,转换后应针对实际任务验证。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 神经网络的复习 · 查看原书依据
将权重数据用 16 位精度保存时,只需要 32 位时的一半容量。因此,本书仅在保存学习好的权重时,将其变换为 16 位浮点数。
参考来源
- 位置:《深度学习进阶:自然语言处理》第1章《神经网络的复习》(来源项目 book-source:extracted/深度学习进阶:自然语言处理/_epub-src/text/part0006_split_005.html)
- 结论依据:原文给出该机制或实验条件;边界与示例按正文说明整理。
- 原始内容:将权重数据用 16 位精度保存时,只需要 32 位时的一半容量。因此,本书仅在保存学习好的权重时,将其变换为 16 位浮点数。