论文笔记：Dorefa _量化

-Net由FACE++提出，论文地址：
1、背景：
训练神经网络需要大量的时间，为了减少这些时间，对模型进行量化是个不错的选择。但是，以往的工作没有对梯度/激活函数进行低bit量化并取得好的结果的先例。所以,-Net被提了出来。
2、贡献：3、方法： 3.1
在用bit运算来加速网络上，-Net使用了和以前工作相似的方式：
3.2
STE：
这种STE加入了噪声，文章说这对网络性能的提升很关键。同时，上图的12式将梯度的范围限制到了[0,1] 。
3.3
总的运行框架：
【论文笔记：Dorefa】4.结果
事实上，的在W=1,A=1,G=32时表现并没有Xnor-Net好，其中原因值得进一步探讨。事实上，读者感觉这篇文章的方向有点跑偏，或者是没做得足够好。出于减少训练时间而量化梯度的本意是好的，但是这以不可接受的精度损失为代价是不可行的。本文的主要贡献可能在于其提出了一种分层量化权重，激活和梯度的思想。