基于可解释机器学习的神经网络软剪枝策略 |
| |
引用本文: | 李惠原,徐奕,徐国整.基于可解释机器学习的神经网络软剪枝策略[J].信息技术,2023(7):107-111. |
| |
作者姓名: | 李惠原 徐奕 徐国整 |
| |
作者单位: | 上海交通大学电子信息与电气工程学院 |
| |
摘 要: | 软剪枝是重要的神经网络剪枝策略,但该策略通常只考虑滤波器参数大小或参数矩阵在空间的分布,忽略了参数编码的语义信息,忽略了滤波器参数与数据的紧密联系。为此,提出一种基于可解释机器学习的神经网络软剪枝策略,该策略通过结合可解释机器学习方法,分析滤波器对数据内容理解的重要程度,以该重要程度为指标进行滤波器的排序和剪枝。实验结果表明,该策略在VGG、ResNet模型、CIFAR10通用数据集上均取得了较好的剪枝效果,并具有可解释性,可充分挖掘滤波器参数与图像信息之间的相关性分布。
|
关 键 词: | 软剪枝 可解释机器学习 模型剪枝 模型压缩 |
|
|