采用可替代滤波器的卷积神经网络模型剪枝方法

摘要：

将卷积神经网络模型中某一层的所有滤波器抽象到一个欧几里德空间,对其中能被其他滤波器共同表示的滤波器剪枝,降低滤波器冗余,避免精度损失.使用强化学习进行边训练边剪枝,经过微调恢复神经网络模型性能.结果 表明:剪枝并微调后的神经网络模型精度损失较小,参数量与浮点计算量显著减少.

关键词：剪枝方法、神经网络模型、滤波器、深度学习、强化学习、边缘智能

所属期刊栏目：43

分类号：TP183;TP391.41(自动化基础理论)

资助基金：国家自然科学基金;福建省泉州市科技计划项目;华侨大学研究生科研创新能力培育计划项目

在线出版日期：2022-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：245-251