一种神经网络模型剪枝后泛化能力的验证方法

摘要：

针对神经网络模型在剪枝操作中Dropout率下调造成的过拟合问题,提出一种剪枝模型泛化能力的验证方法.研究人为遮挡数据集模拟图像范围的变化情况,分析不同Dropout值和剪枝比例对模型准确率的影响,进而得到剪枝操作后模型泛化能力变化的原因.在卷积神经网络模型lenet-5上进行实验,结果表明,剪枝模型泛化能力减弱是因为Dropout率下调和剪枝操作时参数量的变化.

关键词：深度神经网络、模型剪枝、深度学习、泛化能力、遮挡数据集

所属期刊栏目：45

分类号：TP183(自动化基础理论)

资助基金：国家科技重大专项2016ZX01012101;国家自然科学基金面上项目61572520;国家自然科学基金创新研究群体项目61521003

在线出版日期：2019-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：234-238