এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
চরম কোয়ান্টাইজেশন
সর্বাধিক কম্প্রেশনের জন্য মডেল প্যারামিটারগুলোকে ১-২ বিট পর্যন্ত ঠেলে দেওয়ার একটি প্রিসিশন হ্রাস কৌশল, দক্ষতার জন্য আংশিকভাবে প্রিসিশন ত্যাগ করা।
বাইনারি কোয়ান্টাইজেশন
একটি কোয়ান্টাইজেশন পদ্ধতি যেখানে প্রতিটি ওজন এবং অ্যাক্টিভেশন একটি মাত্র বিট (-১ বা +১) দ্বারা উপস্থাপিত হয়, যা মেমরি ব্যাপকভাবে হ্রাস করে এবং গণনা ত্বরান্বিত করে।
টারনারি কোয়ান্টাইজেশন
ওজন উপস্থাপনের জন্য সাধারণত তিনটি মান (-১, ০, +১) ব্যবহার করে এমন একটি কৌশল, যা খাঁটি বাইনারাইজেশনের তুলনায় কম্প্রেশন এবং পারফরম্যান্সের মধ্যে আরও ভাল সমঝোতা প্রদান করে।
১-বিট কোয়ান্টাইজেশন
কোয়ান্টাইজেশনের একটি চরম রূপ যেখানে মডেলের প্রতিটি প্যারামিটার একটি মাত্র বিটে সংরক্ষণ করা হয়, যা স্ট্যান্ডার্ড ৩২-বিট মডেলের তুলনায় ৩২x হ্রাসের অনুমতি দেয়।
২-বিট কোয়ান্টাইজেশন
দুই বিটে ওজন এবং অ্যাক্টিভেশনের উপস্থাপনা, যা চারটি কোয়ান্টাইজেশন স্তর (-৩, -১, +১, +৩) সহ আরও ভাল প্রিসিশন/দক্ষতা ভারসাম্যের অনুমতি দেয়।
ওজন বাইনারাইজেশন
একটি নিউরাল নেটওয়ার্কের ওজনগুলিকে বাইনারি মানে রূপান্তরের প্রক্রিয়া, পারফরম্যান্স বজায় রাখার জন্য উচ্চতর প্রিসিশনে অ্যাক্টিভেশন সংরক্ষণ করা হয়।
পোস্ট-ট্রেনিং চরম কোয়ান্টাইজেশন
মডেলের সম্পূর্ণ পুনঃপ্রশিক্ষণের প্রয়োজন ছাড়াই প্যারামিটারগুলির প্রিসিশন ১-২ বিটে হ্রাস করার জন্য প্রশিক্ষণের পরে প্রয়োগ করা একটি কৌশল।
চরম কোয়ান্টাইজেশন-সচেতন কোয়ান্টাইজেশন
পারফরম্যান্স অবনতি কমানোর জন্য ক্যালিব্রেশন প্রক্রিয়ার সময় চরম কোয়ান্টাইজেশনের প্রভাব বিবেচনা করে একটি উন্নত পদ্ধতি।
চরম কোয়ান্টাইজেশন সহ শিখন
এই পদ্ধতিতে মডেলটি চরম কোয়ান্টাইজেশনের সীমাবদ্ধতার সাথে খাপ খাওয়ানোর জন্য বিশেষভাবে ফাইন-টিউন করা হয়, যা চূড়ান্ত নির্ভুলতা আরও ভালভাবে সংরক্ষণ করে।
বাইনারি নিউরাল নেটওয়ার্ক
একটি আর্কিটেকচার যেখানে ওজন এবং অ্যাক্টিভেশন সম্পূর্ণরূপে বাইনারাইজড হয়, আল্ট্রা-অপ্টিমাইজড গণনার জন্য XNOR এবং popcount অপারেশন ব্যবহার করে।
টারনারি নিউরাল নেটওয়ার্ক
বাইনারি নেটওয়ার্কের একটি বৈকল্পিক যা তিনটি অবস্থা ব্যবহার করে, শক্তিশালী কম্প্রেশন এবং গণনাগত দক্ষতা বজায় রাখার পাশাপাশি আরও ভাল অভিব্যক্তিসম্পন্নতা অনুমোদন করে।
অসমমিত চরম কোয়ান্টাইজেশন
১-২ বিট কোয়ান্টাইজেশন পদ্ধতি যা ওজনের অ-কেন্দ্রিক বন্টনের সাথে আরও ভালভাবে খাপ খাওয়ানোর জন্য অসমমিত মানের পরিসর ব্যবহার করে।
সমমিত চরম কোয়ান্টাইজেশন
কোয়ান্টাইজেশন পদ্ধতি যেখানে মানের পরিসর শূন্যে কেন্দ্রিক, গণনা সরল করে কিন্তু কিছু বন্টনের জন্য সম্ভাব্যভাবে কম কার্যকর।
চরম কোয়ান্টাইজেশন দ্বারা মডেল কম্প্রেশন
একটি সামগ্রিক কৌশল যা ১০০x-এর বেশি কম্প্রেশন হার অর্জনের জন্য চরম কোয়ান্টাইজেশনকে অন্যান্য কম্প্রেশন পদ্ধতির সাথে একত্রিত করে।
ন্যূনতম নির্ভুলতা অপ্টিমাইজেশন
একটি প্রক্রিয়া যা গ্রহণযোগ্য কর্মক্ষমতা স্তর বজায় রাখার সময় মডেলের প্রতিটি স্তরের জন্য প্রয়োজনীয় ন্যূনতম বিট নির্ভুলতা নির্ধারণের লক্ষ্যে।
চরম কোয়ান্টাইজেশনের জন্য ক্যালিব্রেশন
একটি সমালোচনামূলক পর্যায় যেখানে চরম নির্ভুলতা হ্রাসের প্রভাব কমানোর জন্য একটি ছোট ডেটাসেট ব্যবহার করে কোয়ান্টাইজেশন প্যারামিটারগুলি অপ্টিমাইজ করা হয়।
চরম অভিযোজনযোগ্য পরিমাপকরণ
একটি কৌশল যা নির্ভুলতা হ্রাসের প্রতি তাদের সংবেদনশীলতার ভিত্তিতে স্তর বা নিউরন প্রতি পরিমাপকরণের স্তর (১ বা ২ বিট) গতিশীলভাবে সামঞ্জস্য করে।
চরম পরিমাপকরণের স্থিতিশীলতা
একটি বৈশিষ্ট্য যা চরম পরিমাপকরণের মুখে একটি মডেলের দৃঢ়তা পরিমাপ করে, যা মোতায়েনে নির্ভরযোগ্য কর্মক্ষমতা নিশ্চিত করার জন্য অপরিহার্য।