%0 Journal Article %A 潘理虎 %A 谢斌红 %A 张英俊 %A 钟日新 %T 结合剪枝与流合并的卷积神经网络加速压缩方法 %D 2020 %R 10.11772/j.issn.1001-9081.2019081363 %J 计算机应用 %P 621-625 %V 40 %N 3 %X 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。 %U http://www.joca.cn/CN/10.11772/j.issn.1001-9081.2019081363