10.3969/j.issn.1000-1220.2018.12.007
一种用于卷积神经网络压缩的混合剪枝方法
在模型压缩中,单独使用权重剪枝或卷积核剪枝对卷积神经网络进行压缩,压缩后的模型中仍然存在较多冗余参数.针对这一问题,提出了一种结合权重剪枝和卷积核剪枝的混合剪枝方法.首先,剪除对卷积神经网络整体精度贡献较小的卷积核;其次,对剪枝过的模型再进行权重剪枝实现进一步的模型压缩.在剪枝过程中通过重新训练来恢复模型精度.在MNIST和CI-FAR-10数据集上的实验结果表明,提出的混合剪枝方法在几乎不降低模型精度的前提下,将LeNet-5和 VGG-16分别压缩了13. 01倍和19. 20倍.
卷积神经网络、模型压缩、网络剪枝、混合剪枝
39
TP183(自动化基础理论)
河北省自然科学基金项目F2015201033F201701069;"云数融合、科教创新"基金课题项目2017A20004
2019-01-12(万方平台首次上网日期,不代表论文的发表时间)
共6页
2596-2601