এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
ক্যালিব্রেশন ডেটাসেট
স্ট্যাটিক কোয়ান্টাইজেশনে সর্বোত্তম মানের পরিসীমা নির্ধারণের জন্য ব্যবহৃত প্রশিক্ষণ ডেটার একটি প্রতিনিধিত্বমূলক উপসেট, স্কেল ফ্যাক্টর এবং জিরো পয়েন্ট গণনার জন্য অপরিহার্য।
ডিকোয়ান্টাইজেশন
ইনফারেন্সের সময় উচ্চতর নির্ভুলতা প্রয়োজন এমন গণনার জন্য নিম্ন-নির্ভুলতার পূর্ণসংখ্যা মানগুলোকে ফ্লোটিং পয়েন্টে ফিরিয়ে রূপান্তর করার বিপরীত প্রক্রিয়া।
মিশ্র নির্ভুলতা কোয়ান্টাইজেশন
একটি হাইব্রিড কৌশল যা মডেলের বিভিন্ন স্তরে তাদের কোয়ান্টাইজেশন সংবেদনশীলতা অনুযায়ী বিভিন্ন নির্ভুলতা স্তর (৮-বিট, ৪-বিট, ২-বিট) প্রয়োগ করে।
প্রতি-চ্যানেল কোয়ান্টাইজেশন
একটি কনভোলিউশনাল স্তরের প্রতিটি আউটপুট চ্যানেলের জন্য পৃথক স্কেল ফ্যাক্টর প্রয়োগকারী কোয়ান্টাইজেশন কৌশল, যা সিএনএন-এর জন্য নির্ভুলতা উল্লেখযোগ্যভাবে উন্নত করে।
প্রতি-টেনসর কোয়ান্টাইজেশন
একটি সম্পূর্ণ টেনসরের জন্য একটি একক স্কেল ফ্যাক্টর এবং জিরো পয়েন্ট ব্যবহার করে সহজতর পদ্ধতি, প্রতি-চ্যানেল কোয়ান্টাইজেশনের তুলনায় কম নির্ভুল কিন্তু গণনায় দ্রুততর।
ক্লিপিং রেঞ্জ
কোয়ান্টাইজেশনের আগে চরম মানগুলো সীমিত করার জন্য ক্যালিব্রেশন期间 সংজ্ঞায়িত মানের পরিসীমা, আউটলায়ারগুলো বাদ দিয়ে কোয়ান্টাইজেশন ত্রুটি কমানোর জন্য অপরিহার্য।
স্তর-ভিত্তিক কোয়ান্টাইজেশন
নেটওয়ার্কের প্রতিটি স্তরের জন্য কোয়ান্টাইজেশন প্যারামিটার স্বাধীনভাবে অপ্টিমাইজ করার পদ্ধতি, প্রতিটি স্তরের নির্দিষ্ট বন্টন বৈশিষ্ট্য বিবেচনা করে।
কোয়ান্টাইজেশন ত্রুটি
মূল ফ্লোটিং পয়েন্ট মান এবং তাদের কোয়ান্টাইজড উপস্থাপনের মধ্যে পার্থক্য, কোয়ান্টাইজেশনের গুণমান মূল্যায়নের জন্য এমএসই বা কেএল ডাইভারজেন্সের মতো মেট্রিক্স দ্বারা পরিমাপ করা হয়।
পূর্ণসংখ্যা-কেবল অনুমান
একটি কার্যনির্বাহী প্যারাডাইম যেখানে মডেলের সমস্ত অপারেশন পূর্ণসংখ্যার গাণিতিক হিসাবে সম্পাদিত হয়, সর্বোচ্চ কর্মক্ষমতার জন্য ফ্লোটিং-পয়েন্ট রূপান্তর সম্পূর্ণরূপে বাদ দেওয়া হয়।