Knowledge Commons of Institute of Automation,CAS
基于稀疏正则化的卷积神经网络模型剪枝方法 | |
韦越1,2; 陈世超2,3; 朱凤华2; 熊刚2 | |
发表期刊 | 计算机工程 |
2021-10 | |
卷号 | 47期号:10页码:61-66 |
摘要 | 现有卷积神经网络模型剪枝方法仅依靠自身参数信息难以准确评估参数重要性,容易造成参数误剪且影响网络模型整体性能.提出一种改进的卷积神经网络模型剪枝方法,通过对卷积神经网络模型进行稀疏正则化训练,得到参数较稀疏的深度卷积神经网络模型,并结合卷积层和BN层的稀疏性进行结构化剪枝去除冗余滤波器.在CIFAR-10、CIFAR-100和SVHN数据集上的实验结果表明,该方法能有效压缩网络模型规模并降低计算复杂度,尤其在SVHN数据集上,压缩后的VGG-16网络模型在参数量和浮点运算量分别减少97.3%和91.2%的情况下,图像分类准确率仅损失了0.57个百分点. |
关键词 | 深度学习, 模型剪枝 , 卷积神经网络 , 稀疏约束, 模型压缩 |
收录类别 | 中文核心期刊要目总览 |
语种 | 中文 |
七大方向——子方向分类 | 机器学习 |
文献类型 | 期刊论文 |
条目标识符 | http://ir.ia.ac.cn/handle/173211/47508 |
专题 | 多模态人工智能系统全国重点实验室_平行智能技术与系统团队 |
作者单位 | 1.中国科学院大学 2.中国科学院自动化研究所 3.澳门科技大学 |
第一作者单位 | 中国科学院自动化研究所 |
推荐引用方式 GB/T 7714 | 韦越,陈世超,朱凤华,等. 基于稀疏正则化的卷积神经网络模型剪枝方法[J]. 计算机工程,2021,47(10):61-66. |
APA | 韦越,陈世超,朱凤华,&熊刚.(2021).基于稀疏正则化的卷积神经网络模型剪枝方法.计算机工程,47(10),61-66. |
MLA | 韦越,et al."基于稀疏正则化的卷积神经网络模型剪枝方法".计算机工程 47.10(2021):61-66. |
条目包含的文件 | ||||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
基于稀疏正则化的卷积神经网络模型剪枝方法(1647KB) | 期刊论文 | 作者接受稿 | 开放获取 | CC BY-NC-SA | 浏览 |
个性服务 |
推荐该条目 |
保存到收藏夹 |
查看访问统计 |
导出为Endnote文件 |
谷歌学术 |
谷歌学术中相似的文章 |
[韦越]的文章 |
[陈世超]的文章 |
[朱凤华]的文章 |
百度学术 |
百度学术中相似的文章 |
[韦越]的文章 |
[陈世超]的文章 |
[朱凤华]的文章 |
必应学术 |
必应学术中相似的文章 |
[韦越]的文章 |
[陈世超]的文章 |
[朱凤华]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论