语音识别中的Conformer模型压缩研究 |
| |
引用本文: | 卢江坤,许鸿奎,张子枫,周俊杰,李振业,郭文涛.语音识别中的Conformer模型压缩研究[J].计算机时代,2023(4):16-22+28. |
| |
作者姓名: | 卢江坤 许鸿奎 张子枫 周俊杰 李振业 郭文涛 |
| |
作者单位: | 1. 山东建筑大学信息与电气工程学院;2. 山东省智能建筑技术重点实验室 |
| |
基金项目: | 山东省重点研发计划(2019GSF111054); |
| |
摘 要: | 针对使用Conformer模型的语音识别算法在实际应用时设备算力不足及资源缺乏的问题,提出一种基于Conformer模型间隔剪枝和参数量化相结合的模型压缩方法。实验显示,使用该方法压缩后,模型的实时率(real time factor, RTF)达到0.107614,较基线模型的推理速度提升了16.2%,而识别准确率只下降了1.79%,并且模型大小也由原来的207.91MB下降到72.69MB。该方法在模型准确率损失很小的情况下,较大程度地提升了模型的适用性。
|
关 键 词: | 深度学习 模型压缩 模型量化 模型剪枝 Conformer |
|
|