排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
2.
针对复杂的卷积神经网络模型存在参数规模大、运算时间长等问题,提出一种有效的卷积神经网络模型压缩算法.该算法引入因子分析的思想对卷积神经网络模型进行压缩:首先将四维的卷积核权重张量转化为二维的矩阵形式,计算相关矩阵,并对其进行奇异值分解;其次,通过控制累积方差贡献率,确定适当的因子数量,计算因子载荷矩阵;最后,重构出更具代表性的卷积核.通过在Catdog、CIFAR10、CIFAR100三个数据集上进行验证,实验结果表明:该压缩算法能够在保证卷积神经网络精度的前提下,使AlexNet、ResNet的参数压缩率达到30.7%~68.2%,运行时间减少17.53%~37.21%.从而验证了本文提出的算法在压缩率和运算效率方面的优势,为基于因子分析的卷积神经网络模型压缩提供了一种可能的框架. 相似文献
3.
4.
介绍了一种用于不间断电源的数字锁相环,基于PI调节控制,利用PI调节器输出的误差角频率与DSP定时器计数值的对应,产生定时器中断,在调节时加固定角度偏移,完成锁相。Matlab仿真证实了所用锁相环的快速响应与较高鲁棒性。基于TI公司的DSP2812的锁相环程序,通过样机测试,证实了该方法的可行性。 相似文献
5.
1