用于编码神经网络参数的构思

摘要

根据本发明的第一方面的实施例基于以下思想：通过使用非恒定量化器，但是在编码神经网络参数期间改变该非恒定量化器，即通过根据从数据流中解码的或相应地编码到数据流中的先前的或相应地在先编码的神经网络参数的量化索引选择一组重构级别，可以更高效地压缩神经网络参数。根据本发明的第二方面的实施例基于以下思想：当分阶段(被称为重构层，以将其与神经网络的神经层分层组成区分开)进行时并且如果在这些阶段中提供的参数化然后按神经网络参数组合以产生与任何阶段相比改进的神经网络参数化，则可以实现更高效的神经网络编码。