待验证50% 置信事实精确时间
EfficientNet-B4是EfficientNet系列中的中等规模骨干网络，通过复合缩放平衡深度、宽度与分辨率，在图像分类任务上以较少参数取得较高精度。
1
来源数
50%
置信度
长期有效
时效性
2026/10/30
首次发现
来源
涉及实体
相关事实
待验证4-bit量化通常借助GPTQ、AWQ或GGUF等框架实现，通过校正权重分布最小化精度损失59% 相似待验证ANN通过构建特殊索引结构（如HNSW的层次化可导航小世界图、IVF的倒排聚类、PQ的乘积量化压缩）来牺牲少量召回精度换取数量级的速度提升。58% 相似待验证向量数据库底层通常依赖近似最近邻算法（ANN），如HNSW、IVF56% 相似待验证向量索引效率问题通常由近似最近邻（ANN）算法库解决，常见方案包括FAISS、Annoy以及基于图结构的HNSW算法56% 相似待验证Double DQN是Hasselt等人2016年提出的DQN改进版本，通过使用在线网络选择动作、目标网络评估Q值来缓解Q值过高估计问题56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1113989API
curl https://kongchang.com/api/v1/knowledge/claims/1113989MCP
get_claim(id=1113989)