PIN Architecture v2 वजन बांधने का उपयोग करके प्रशिक्षण से पहले एक न्यूरल नेटवर्क के आकार और इनफरेंस गति को पूर्व-चयनित करने की विधि पेश करता है। यह तकनीक कोशिकाओं के समूहों को समान मान रखने पर मजबूर करती है, जिससे नेटवर्क अपनी चौड़ाई बनाए रख सकता है जबकि भंडारित वजन की संख्या में भारी कमी आती है।
- बांधना नेटवर्क चौड़ाई को भंडारण लागत से अलग करता है; 256 इकाियों वाला एक मॉडल उस बजट के भीतर फिट हो सकता है जिसमें सामान्य रूप से केवल एक छिपी हुई इकाई की अनुमति होती है।
- परिमाण कटाव, निम्न-रैंक गुणनखंडन, क्वांटीकरण और डिस्टिलेशन के खिलाफ परीक्षणों में, बांधने ने पांच बिट बजट में से चार जीते और 100 KB से नीचे कार्यात्मक होने वाला एकमात्र विधि था।
- 128x संपीड़न पर, बांधा गया मॉडल अविघटित संस्करण के करीब 1.2 बिंदुओं के भीतर प्रदर्शन करता है।
- यह दृष्टिकोण मॉडलों के बीच एक साझा निर्देशांक प्रणाली सक्षम बनाता है, जिससे एक आधार नेटवर्क और एक रैखिक मानचित्र पुनः प्रशिक्षण के बिना अज्ञात कार्य संयोजनों के लिए विविधताओं की भविष्यवाणी कर सकता है।
- कुल 43,000 संख्याएं (आधार plus मानचित्र) 120 संभावित कार्यों में से किसी को भी उत्पन्न कर सकती हैं, जबकि पारंपरिक भंडारण के लिए 14 मिलियन संख्याओं की आवश्यकता होगी।
यह ढांचा डेवलपर्स को पहले भंडारण बजट और इनफरेंस सीमाएं निर्दिष्ट करने देता है, जिससे मॉडल आर्किटेक्चर उन बाधाओं का पालन करता है बजाय इसके कि एक फिट मिलने तक ट्यूनिंग की जाए।