CIFAR的 Top-1 准确率 v.s. GFLOP 如下图。

在ImageNet上的 Top-1准确率v.s.吞吐量如下表。

在DVT中，“简单”和 “困难”的可视化样本如下图。

从上面ImageNet、CIFAR-10 和 CIFAR-100 上的大量实证结果表明：

DVT方法在理论计算效率和实际推理速度方面，都明显优于其他方法。

看到这样漂亮的结果，难道你还不心动吗？

有兴趣的小伙伴欢迎去看原文哦~

传送门

论文地址：

https://arxiv.org/abs/2105.15075

研究团队

黄高

目前年仅33岁，已是清华大学自动化系助理教授，博士生导师。

获得过2020年阿里巴巴达摩院青橙奖，研究领域包括机器学习、深度学习、计算机视觉、强化学习等。

— 完—

本文系网易新闻•网易号特色内容激励计划签约账号【量子位】原创内容，未经账号授权，禁止随意转载。

致敬科技工作者，计算资源免费送！

为致敬5.30“全国科技工作者日”、助力科研升级转型，并行科技联合量子位推出算力资源赠送及促销活动。

6月9日前，扫码可 免费领取5000核时CPU计算资源、或500元卡时GPU计算资源，更有多重算力促销优惠活动，快来参与吧~

点这里