|
|
1.
结合剪枝与流合并的卷积神经网络加速压缩方法
谢斌红, 钟日新, 潘理虎, 张英俊
计算机应用
2020, 40 (3):
621-625.
DOI: 10.11772/j.issn.1001-9081.2019081363
深度卷积神经网络因规模庞大、计算复杂而限制了其在实时要求高和资源受限环境下的应用，因此有必要对卷积神经网络现有的结构进行优化压缩和加速。为了解决这一问题，提出了一种结合剪枝、流合并的混合压缩方法。该方法通过不同角度去压缩模型，进一步降低了参数冗余和结构冗余所带来的内存消耗和时间消耗。首先，从模型的内部将每层中冗余的参数剪去；然后，从模型的结构上将非必要的层与重要的层进行流合并；最后，通过重新训练来恢复模型的精度。在MNIST数据集上的实验结果表明，提出的混合压缩方法在不降低模型精度前提下，将LeNet-5压缩到原来的1/20，运行速度提升了8倍。
参考文献 |
相关文章 |
多维度评价
|
|
