《神經網絡壓縮的符合性和參考軟件》

1下列文件中的內容通過文中的規范性引用而構成本文件必不可少的條款。其中,注日期的引用文件,僅該日期對應的版本適用于本文件;不注日期的3.13.24.1通則子條款第4.2至4.6規定了驗證比特流和解碼器符合性的測試。這些測試利用了可在），2生成一個或多個壓縮比特流的源模型。定義這些模型的代碼作為參考軟件分發的一部分可在外參數（例如從網絡拓撲描述中導出的信息），則也會提供這些參數。源模型和數據集使用以下名圖partial_data_counter3mpartial_data_counterpartial_data_counterpartial_data_counterpartial_data_counterpartial_data_counterpartial_data_countertopology_indexed_repartial_data_counter4mpartial_data_counter表partial_data_countermax_ndu_nnr_unit_sizemax_ndu_nnr_unit_sizemax_ndu_nnr_unit_size-化5mm-V2_PYTzoo_126partial_data_counterpartial_data_counterpartial_data_counter7partial_data_countermmax_ndu_nnr_unit_simb如out_of_band_signaling_Re用于預測殘差編碼（PRE）特征的比特流使用擴展壓縮工具集中的通用工具，并結合PRE：所有一致性測試都共享一組相同的解析器參數：use_case為UC10，batch_size為64。對于那些以在所有BNF、RS、TCA和HDSP一致性測試中，通用的解析器參數集為：disable_finetuning:8對于PRE和SBT，在所有一致性測試中，通用的解析器參數集為：disable_dq:'True',9--率 率 率 6率6率6率m化method':uniform_sbt,化method':uniform_sbt,化化化4.5.1通則4.5.2完整模型），——如果浮點張量是通過另一種解碼方法獲得的，則相應的浮點值對的絕對差不得大于4.5.3增量模型），——如果浮點張量是通過另一種解碼方法獲得的，則相應的浮點值對的絕對差不得大于4.5.6比特流測試程序使用表1中規定的腳本“verify_all.sh”創建的所有比特流都可以使用參考軟件的“run/conformance_bitstreams”中的腳本“decode_all.sh”進行解碼。該目錄內還提供了5.1通則——參考解碼器軟件能以符合ISO/IEC15938-17中規定的解碼過程的方式解碼符合ISO/IEC5.4.1通則在以下子條款中，浮點的定義如ISO/IEC15938-17的4.4所述，uint8、uint35.4.2參數縮減方法輸入（#1由特定深度學習框架規定的神經網絡（參數+架構）。這些框架的例子是輸出（#2由特定深度學習框架規定的神經網絡（參數+架構）。這些框架的例子是5.4.3參數近似）：5.4.4重建）：）：5.4.5編碼）：）：5.4.6解碼）：鍵值鍵值鍵值鍵值鍵值鍵值鍵值鍵值），通則鍵值鍵值鍵值鍵值將縮放參數應用于規定的每個張量，并用縮放版本替換approx_data中的參數張量。然后從鍵值'鍵值鍵值——（可選）變量bit_mask_order是一個布爾值，規定位掩碼的處理順序。True表示行主順此函數允許生成稀疏位掩碼并將其設置為5