基于滤波器聚类与缩放系数的融合剪枝算法研究
为了进一步压缩神经网络模型大小,使网络能部署到移动设备上运行,该文提出了一种基于滤波器聚类与缩放系数的融合剪枝算法.该方法首先通过近邻传播聚类方法,找出相似滤波器,并删除冗余部分,其次BN层缩放系数进一步对通道进行剪枝,最后,通过微调进行恢复精度训练,达到在不损失网络精度的前提下,减小网络模型大小.在VGG16网络上使用CIFAR-10数据集进行实验,结果表明,在保持较高网络精度的前提下,与原模型相比,该文提出的算法参数量减少了90.56％,计算量缩减为原来的74.58％,新模型的内存占用和计算速度都优于原模型,与同类算法比较,该算法在计算速度和模型大小等维度有明显优势.
BN层缩放系数、聚类、模型压缩、网络剪枝、神经网络
18
TP18(自动化基础理论)
2022-07-05（万方平台首次上网日期，不代表论文的发表时间）
共3页
85-87
