返回
Embeddings hidden layers learning for neural network compression
DOI:10.1016/j.neunet.2025.107794.png)
摘要
En 中文
• 嵌入可以学习隐藏层,而不会损害标记和学习的质量。
• EPS和VEPS能够实现极小模型的构建。
• ShareBERT在参数量减少21.9倍的情况下,达到了BERT的95.5%的精度。
• 为资源受限设备引入了轻量级ShareBERT变体。
• 在不同任务上均有效,并且与现有的压缩方法正交。
Keyword:
Parameter-sharing
Parameter reduction
Compression
Embeddings
BERT
期刊
IF:
6.3
论文数:
8.2K
被引数:
3.0W
机构
暂无机构信息
引用论文
MicroBERT: Distilling MoE-Based Knowledge from BERT into a Lighter ModelMicroBERT:将基于MoE的知识从BERT迁移到一个更轻量级的模型

