如何计算量化后的人工神经网络的计算复杂度

Question

Could anyone suggest a way of defining the computational complexity of a neural network after quantization?

我将计算复杂性理解为计算整个网络或单个层所需的算术“工作量”。然而，当神经网络被量化时，数字不再以相同的格式表示（新格式将取决于所述的量化方法，例如here）

我们从所有运算中的两个实数相乘开始，将int8，float 16等的对相乘。后一种运算显然比两个实数相乘“更简单”

因此，这会影响执行计算所需的时间和内存，因此，传统的度量，例如“BigO”表示法，没有意义